论文部分内容阅读
随着科技的快速发展,各个领域对路径规划技术的要求不断提高,然而传统的智能算法在路径规划技术的应用中大都存在着一定的局限性,因此如何改进传统智能算法的性能并将其应用到路径规划技术中是一个研究重点。蚁群算法作为常见的智能算法不仅具有并行性、自组织性、正反馈性和鲁棒性等特点,还具有良好的优化能力,因此被广泛应用于数据聚类分析、路径规划问题和车辆调度等实际问题求解。但传统蚁群算法也有一些明显不足,如易陷入局部最优和搜索效率低等。因此改进传统蚁群算法的缺点,并将其应用到路径规划问题中的研究具有重要意义。本文针对传统蚁群算法容易陷入局部最优、搜索效率低等问题进行了改进。并将改进的蚁群算法应用到二维和三维环境中,通过算法仿真验证了改进蚁群算法在二维和三维环境中的有效性。主要工作安排如下:1.详细介绍了路径规划的研究现状和常见的路径规划算法,着重对蚁群算法的发展现状进行了介绍。2.详细介绍了蚁群算法的基本原理和几种经典的改进蚁群算法,并对蚁群算法中各个参数设置对算法性能的影响进行了讨论分析。此外,详细介绍了蚁群算法的特征。3.在二维路径规划中,针对蚁群算法容易陷入局部最优和搜索效率低的问题,对原始蚁群算法中的状态概率函数、信息素更新策略进行改进。针对蚁群算法在二维路径规划中容易陷入死锁的问题,引入有条件的回退蚁群算法。为了更进一步提高搜索路径的质量,将改进的蚁群算法和蛙跳算法混合,首先利用改进蚁群算法得到初始路径,然后利用改进蛙跳算法对蚁群算法产生的路径进一步优化,最后采用简化算子对生成的路径进行优化,避免路径中出现拐角过大的情况,保证路径的平滑性。实验结果验证了改进蚁群算法在二维路径规划中的有效性。4.针对原始蚁群算法在三维路径规划中收敛速度慢、容易陷入局部最优的问题,对蚁群算法的启发函数和在三维环境下的搜索模式进行了改进。具体改进包括以下四个方面:首先,在保证算法整体搜索能力时,为提高算法趋向能力,将伪随机状态转移策略应用于可行节点的选择。其次,在启发式函数中引入了可行因素、距离因素、安全值函数等概念,在保证路径安全的同时,加快了算法的收敛速度。再次,针对算法初期路径信息素浓度较低、后期路径信息素浓度较高导致算法前期搜索速度慢、后期全局搜索能力不足的问题,采用动态局部信息素更新和动态全局信息素更新相结合的方式。最后针对蚁群算法在在三维环境的搜索的过程,采用逐平面搜索与视野相结合的方式进行路径搜索。实验结果验证了改进蚁群算法在三维路径规划中的有效性。