基于改进蚁群优化算法的AGV路径规划

基于改进蚁群优化算法的AGV路径规划
陈岁繁;王浈元;李其朋
【期刊名称】《浙江科技学院学报》
【年(卷),期】2024(36)1
【摘要】【目的】针对传统蚁群算法(ant colonyalgorithm, ACA)在移动机器人(automatic guided vehicle, AGV)路径规划中搜索效率低、寻找路径长、拐点个数多等问题,提出一种改进的蚁群优化算法(ant colony optimization, ACO)。

【方法】首先,在蚁群算法中加入预估代价值策略来改进启发函数,增强目标点的引导作用,提升搜索效率;然后,结合狼群算法(wolf pack algorithm, WPA)分配机制来更新信息素,解决路径规划时易陷入局部最优的问题;接着加入拐点影响因子来降低路径拐点;最后,采用动态避障策略来解决死锁问题。

【结果】运用改进蚁群优化算法后,移动机器人路径规划时,最佳路径长度、迭代次数和拐点数等比传统算法分别降低9.7%、57.8%、65.0%。

【结论】本研究结果能为移动机器人在复杂环境下的路径选择提供重要参考。

【总页数】9页(P59-67)
【作者】陈岁繁;王浈元;李其朋
【作者单位】浙江科技大学机械与能源工程学院
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于改进势场蚁群算法的AGV路径规划
2.基于改进蚁群算法的AGV多目标路径规划
3.基于改进蚁群与动态窗口法的AGV动态路径规划
4.一种基于改进蚁群算法的AGV小车三维路径规划研究
5.基于改进蚁群算法的AGV全局路径规划
因版权原因，仅展示原文概要，查看原文内容请购买。