中图分类号：
学校代码：10856
学号：
M020215123
上海工程技术大学硕士学位论文
基于 ROS 的多种群自适应蚁
群算法及其应用研究
评阅人：
韩建民，陈强
答辩委员会
主席：顾辛生
成员：张莉萍，宋万清，李媛媛
杨明来，王宇嘉
作者姓名： 许明乐
指导教师： 游晓明
专 业： 机械电子
学 院：电子电气工程学院
申请学位： 工学硕士
完成时间： 2017 年 11 月
University Code：10856
Student ID:M020215123
MULTI AND ADAPTIVE ANT
COLONY SYSTEM BASED ON
ROS AND ITS APPLICATION
AND RESEARCH
Candidate:
Mingle Xu
Supervisor:
Xiaoming You
Major:
Mechatronic
Engineering
School of Electronic and Electrical Engineering
Shanghai University of Engineering Science
Shanghai, P.R. China
May, 2018
上海工程技术大学
学位论文原创性声明
本人郑重声明：所递交的学位论文，是本人在导师的指导下，独立进行
研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任
何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要
贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明
的法律结果由本人承担。
学位论文作者签名：
日期： 2018 年 月 日
上海工程技术大学
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意
学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文
被查阅和借阅。本人授权上海工程技术大学可以将本学位论文的全部或部
分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段
保存和汇编本学位论文。
保密□，在 年解密后适用本授权书。
本学位论文属于
不保密□。
（请在以上方框内打“√”）
学位论文作者签名： 指导教师签名：
日期： 年 月 日 日期： 年 月 日
基于 ROS 的多种群自适应蚁群算法及其应用研究
摘 要
移动机器人是提高生产力、解放劳动力，提高人类生活水平的重要手
段；路径规划是移动机器人重要技术之一。蚁群算法是 20 世纪末出现的一
种模仿自然界的智能算法，最先被用于解决 TSP，然后被用来解决多种问
题。本文先从理论方面，研究了蚁群优化算法用于解决 TSP；再从实践方
面，利用蚁群优化算法解决移动机器人路径规划问题。
首先，为了理解蚁群优化算法的基本原理及其经典版本的优秀思想，
本文分析了三种传统和两种较优的蚁群算法。其中，以第一个蚁群算法—
—AS 为对象，论述了从自然界的蚂蚁行为到算法的几个重要特征，包括启
发式信息、信息素增量模型和初始信息素与信息素增量的关系，以及算法
的停滞行为。另外，以 EAS 和 RAS 为对象，分析了算法中多样性和收敛速
度的关系和特性、蚂蚁的探索和开发能力及对应方法。此外，以 ACS 和
MMAS 算法为对象，先以信息素的变化与不同路径上信息素的差别为线索，
单独分析了算法的技术及其特点；再对比分析了这两类优秀算法的特性和
共性；并 得出结论：信息素的限制和初始化对提高多样性有重要作用，利用
当前最优路径对提高算法收敛速度有显著意义。
其次，为了平衡蚁群优化算法在大规模 TSP 中的多样性和收敛速度，
提出了一种启发式协同的异构双种群蚁群算法。启发式协同策略是一种间
接的交流策略；它将一个种群积累的信息素作为另一个种群的启发式，而
不直接参与信息素的更新；因为降低了不同种群信息素表趋同的可能性，
所以有助于算法的多样性。异构双种群有助于平衡算法的多样性和收敛速
度，因为一个子群负责算法的多样性，而另一个子群由自然界中蚁群的自
适应能力得到启发而兼顾收敛速度和多样性。此外，还利用正交设计分析
基本参数的作用，并得到一组优化的参数进行实验；还分析了本算法参数
对性能的影响。在 MATLAB 中的仿真实验说明了本算法对于提高较大规模
问题的性能有一定效果。
最后，针对蚁群算法用于解决移动机器人路径规划时遇到的启发式效
果不足又易使算法陷入局部最优、难以跳出局部最优解的缺陷，提出了一
种基于最大熵的自适应随机蚁群算法。为了提高启发式的效果，设计了一
种等比启发式信息；使得启发式不再与环境有关且保持一定的方向启发效
果；这有利于提高启发式在大规模问题中对算法的指导作用，也有利于维
持算法一定的收敛速度。根据最大熵原理，使得算法随机决定是否使用启
发式；这有利于提高算法前期的多样性。此外，当 检测到算法停滞后，以单
个栅格为对象随机进行局部信息素初始化；既能提高算法跳出局部最优的
能力，又能够保留先前蚂蚁积累的经验。在 MATLAB 中仿真实验证明了改
进算法在机器人路径规划中的有效性。随后，基于 TurtleBot2 机器人及当
前流行的机器人操作系统（ROS）中的插件机制，实现了蚁群算法在实际机
器人路径规划中的应用，证明了改进算法的有效性。
