matlab_蚁群算法_机器人路径优化问题.pdf
版权申诉
22 浏览量
2023-03-01
19:19:11
上传
评论
收藏 654KB PDF 举报
--
用 AＣＯ 算法求解机器人路径优化问题
4.1 问题描述
移动机器人路径规划是机器人学的一个重要研究领域。它要求机器人依据某个或某些优
化原则(如最小能量消耗,最短行走路线，最短行走时间等),在其工作空间中找到一条从起始
状态到目标状态的能避开障碍物的最优路径。机器人路径规划问题可以建模为一个有约束的
优化问题，都要完成路径规划、定位和避障等任务。
4.２ 算法理论
蚁群算法（Aｎt Ｃｏｌonｙ Ａｌｇoｒithm，ACA)，最初是由意大利学者Ｄｏｒigo
M. 博士于１991 年首次提出，其本质是一个复杂的智能系统,且具有较强的鲁棒性,优良的
分布式计算机制等优点。该算法经过十多年的发展,已被广大的科学研究人员应用于各种问
题的研究，如旅行商问题,二次规划问题,生产调度问题等。但是算法本身性能的评价等算法
理论研究方面进展较慢。
Ｄorigｏ 提出了精英蚁群模型（ＥAS）,在这一模型中信息素更新按照得到当前最优解
的蚂蚁所构造的解来进行，但这样的策略往往使进化变得缓慢,并不能取得较好的效果。次
年Dorigｏ 博士在文献［3０]中给出改进模型(ACＳ),文中
改进了转移概率模型，并且应用了全局搜索与局部搜索策略,来得进行深度搜索。
Stüｔzｌe 与Hoｏｓ给出了最大－最小蚂蚁系统（MAX-MINAＳ),所谓最大－最小即是为信
息素设定上限与下限，设定上限避免搜索陷入局部最优,设定下限鼓励深度搜索。
蚂蚁作为一个生物个体其自身的能力是十分有限的，比如蚂蚁个体是没有视觉的,蚂蚁
自身体积又是那么渺小，但是由这些能力有限的蚂蚁组成的蚁群却可以做出超越个体蚂蚁能
力的超常行为。蚂蚁没有视觉却可以寻觅食物,蚂蚁体积渺小而蚁群却可以搬运比它们个体
大十倍甚至百倍的昆虫。这些都说明蚂蚁群体内部的某种机制使得它们具有了群体智能,可
以做到蚂蚁个体无法实现的事情。经过生物学家的长时间观察发现，蚂蚁是通过分泌于空间
中的信息素进行信息交流，进而实现群体行为的。
下面简要介绍蚁群通过信息素的交流找到最短路径的简化实例。如图 2-1 所示,AE 之间有
--
剩余11页未读，继续阅读
资源评论
