基于学习机制蚁群算法的移动机器人路径规划*

doi:10.16731/j.cnki.1671-3133.2024.12.006

现代制造工程 ›› 2024, Vol. 531 ›› Issue (12): 48-53.doi: 10.16731/j.cnki.1671-3133.2024.12.006

基于学习机制蚁群算法的移动机器人路径规划^*

唐宏伟, 罗佳强, 邓嘉鑫, 王军权, 石书琪

邵阳学院多电源地区电网运行与控制湖南省重点实验室,邵阳 422000

收稿日期:2023-12-27 出版日期:2024-12-18 发布日期:2024-12-24
通讯作者: 罗佳强,硕士,主要研究方向为智能机器人导航及自动控制。E-mail:125474096@qq.com;1443741855@qq.com
作者简介:唐宏伟,博士,教授,主要研究方向为智能机器人导航及自动控制。
基金资助:
^*湖南省自然科学基金项目(2022JJ50205);湖南省教育厅科研项目(21B0682,21B0676,21C0599);湖南省科技计划项目(2016TP1023);邵阳学院研究生科研创新项目(CX2023SY083);国家级大学生创新创业训练计划项目(202210547018)

Path planning of mobile robot based on learning mechanism ant colony algorithm

TANG Hongwei, LUO Jiaqiang, DENG Jiaxin, WANG Junquan, SHI Shuqi

Hunan Key Laboratory of Power Grid Operation and Control in Multi-source Area, Shaoyang University,Shaoyang 422000,China

Received:2023-12-27 Online:2024-12-18 Published:2024-12-24

摘要/Abstract

摘要： 针对U型障碍物环境中移动机器人路径规划问题,提出了一种学习机制蚁群算法。首先,为解决算法运行时间长的问题,引入邻域剔除,舍弃较差和对称路径;其次,为解决收敛速度慢的问题,运用禁忌策略,使蚂蚁快速逃离U型障碍物;然后,为解决路径死锁的问题,提出学习机制,不断舍弃死锁路径;最后,将该算法与其他改进算法进行仿真对比,结果表明学习机制蚁群算法相比对照组算法不仅缩短了运行时间,还提升了收敛速度,验证了该算法的优越性。

关键词: 路径规划, 蚁群算法, 邻域剔除, 学习机制, 移动机器人, U型障碍物

Abstract: A learning mechanism ant colony algorithm was proposed for the path planning problem of mobile robot in U-shaped obstacle environment. Firstly,to solve the problem of long algorithm running time,neighborhood removal was introduced to discard poor and symmetric paths. Secondly,to solve the problem of slow convergence speed,taboo strategies were applied to enable ants to quickly escape U-shaped obstacles.Then,to solve the problem of path deadlock,a learning mechanism was proposed to continuously discard deadlocked paths. Finally,a simulation comparison was conducted between the proposed algorithm and other improved algorithms. The results showed that the learning mechanism ant colony algorithm not only shortened the running time compared to the control group algorithm,but also improved the convergence speed, which verifies superiority of the algorithm.

Key words: path planning, ant colony algorithm, neighborhood removal, learning mechanism, mobile robot, U-shaped obstacle

中图分类号:

TP242

唐宏伟, 罗佳强, 邓嘉鑫, 王军权, 石书琪. 基于学习机制蚁群算法的移动机器人路径规划^*[J]. 现代制造工程, 2024, 531(12): 48-53.

TANG Hongwei, LUO Jiaqiang, DENG Jiaxin, WANG Junquan, SHI Shuqi. Path planning of mobile robot based on learning mechanism ant colony algorithm[J]. Modern Manufacturing Engineering, 2024, 531(12): 48-53.

参考文献

[1] 李腾,丁佩佩,张茹兰.基于动态避障优先级与预测的多AGV无冲突路径规划[J].系统工程,2024,42(3):50-62.
[2] 周祥明,陈员义,徐华银.联合D^*Lite算法与视觉的AVG路径规划与定位[J].兵器装备工程学报,2020,41(3):126-130.
[3] 何均锋,李鹏,申艳红,等.动态环境下AGV避障轨迹规划问题研究[J].重庆理工大学学报(自然科学),2022,36(3):135-143.
[4] CHENG X Z,LI J M,ZHENG C Y,et al.An improved PSO-GWO algorithm with chaos and adaptive inertial weight for robot path planning[J].Frontiers in Neuroro-botics,2021(15):770361.
[5] 申铉京,施英杰,黄永平,等.基于双向蚁群算法的路径规划研究[J].哈尔滨工程大学学报,2023,44(5):865-875.
[6] HEIDARI A A,MIRJALI S,FARIS H,et al.Harris hawks optimization:algorithm and applications[J].Future Genera-tion Computer Systems,2019,97:849-872.
[7] 赵倩楠,黄宜庆.融合A^*蚁群和动态窗口法的机器人路径规划[J].电子测量与仪器学报,2023,37(2):28-38.
[8] 蒲兴成,宋欣琳.分组教学蚁群算法改进及其在机器人路径规划中应用[J].智能系统学报,2022,17(4):764-771.
[9] 张恒,何丽,袁亮,等.基于改进双层蚁群算法的移动机器人路径规划[J].控制与决策,2022,37(2):303-313.
[10] 袁福龙,朱建平.基于改进蚁群算法的移动机器人最优路径规划[J].现代制造工程,2021(7):38-47,65.
[11] LI E C,QI K K.Ant colony algorithm for path planning based on grid feature point extraction[J].Journal of Shanghai Jiaotong University (Science),2023,28(1):86-99.
[12] 陈青桢,龚家宝,于潇雁,等.U型障碍物多方向多层填充的移动机器人改进蚁群算法[J].机械科学与技术,2024,43(3):721-728.
[13] 赫磊,李纪鑫,孙瑜,等.基于SLAM技术的路径规划及避障研究[J].自动化与仪器仪表,2023(10):108-112.
[14] 徐菱,付文浩,江文辉,等.基于16方向24邻域改进蚁群算法的移动机器人路径规划[J].控制与决策,2021,36(5):1137-1146.
[15] 邵琪,时维国.基于改进蚁群算法的机器人路径规划研究[J].现代制造工程,2023(6):46-51.

基于学习机制蚁群算法的移动机器人路径规划^*

Path planning of mobile robot based on learning mechanism ant colony algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李丹丹, 朱石磊, 李仲康, 介百坤, 王宏. 基于改进变色龙群算法的移动机器人路径规划^*[J]. 现代制造工程, 2024, 528(9): 40-45.
[2]	周小青, 童一飞, 周开俊. 基于ISO-TW算法的多仓储机器人路径规划研究^*[J]. 现代制造工程, 2024, 528(9): 54-59.
[3]	梁彪, 周德强, 盛卫锋, 左文娟, 何长江, 奚青, 陈曲燕. 基于分数阶滑模控制的AGV纠偏系统研究^*[J]. 现代制造工程, 2024, 527(8): 51-60.
[4]	冯婧, 魏航信, 岳高峰, 王煜坤, 秦乐, 席文奎, 孙文. 移动机器人多传感器数据融合方法研究^*[J]. 现代制造工程, 2024, 526(7): 69-76.
[5]	方文凯, 廖志高. 基于融合A^-蚁群优化算法的移动机器人全局优化^[J]. 现代制造工程, 2024, 526(7): 77-84.
[6]	邱雯, 张帆, 谭跃刚, 张俊, 涂一文. 基于主应力轨迹线的连续碳纤维复合材料3D打印路径规划方法[J]. 现代制造工程, 2024, 525(6): 22-27.
[7]	段方正, 徐武彬, 孙金泉, 李冰, 王己林, 唐俊豪, 刘世航, 王秀杰. 无人驾驶单钢轮碾压机最优换道路径规划研究^*[J]. 现代制造工程, 2024, 525(6): 135-144.
[8]	吴明宇, 雷璐, 黄慧萍, 刘贡平, 乔晓利. 基于关节点寻路算法的航空线缆路径规划^*[J]. 现代制造工程, 2024, 523(4): 43-48.
[9]	刘尚俊男, 刘书海, 肖华平. 改进灰狼算法的移动充电机器人路径规划^*[J]. 现代制造工程, 2024, 523(4): 49-56.
[10]	景湉佳, 贾世会, 迟晓妮, 唐秋华. 基于线性加权和法的装配线平衡问题求解^*[J]. 现代制造工程, 2024, 522(3): 8-14.
[11]	纪有旺, 解乃军, 殷冬年. 基于数字孪生的移动机器人可视化监控系统^*[J]. 现代制造工程, 2024, 522(3): 23-30.
[12]	朱敏, 胡若海, 卞京. 基于改进蚁群算法的移动机器人路径规划[J]. 现代制造工程, 2024, 522(3): 38-44.
[13]	唐宏伟, 高方坤, 邓嘉鑫, 丁祥, 罗佳强, 王军权. 基于蚁群算法的物资运送小车路径规划研究^*[J]. 现代制造工程, 2024, 521(2): 24-30.
[14]	徐胜, 沙鑫美, 苏铭. 移动机器人沿墙算法研究综述[J]. 现代制造工程, 2024, 521(2): 150-158.
[15]	袁绪清, 魏媛媛, 王耀力, 常青, 付世沫. 基于随机重启的机器人高斯过程运动规划^*[J]. 现代制造工程, 2024, 531(12): 54-60.