移动机器人的路径规划

2.2 蚁群算法的原理
2.2 蚁群算法的原理
2.2 蚁群算法的原理 蚁群算法采用人工蚂蚁模拟自然界蚂蚁的寻路方式，每个人工蚂蚁的行为应符 合下列规律：
2.2 蚁群算法的原理 如果在给定点，一只蚂蚁要在不同的路径中选择，那些被先行蚂蚁大量选择的 路径(也就是信息素留存较浓Leabharlann Baidu路径)被选中的概率也更大，较多的信息素意味着 较短的路径，也就意味着较好的问题答案。
2.3 蚁群算法的仿真 假设有 50 只蚂蚁，最大迭代次数为 200次，信息素重要程度因子1，启发函数 重要程度因子7 ，信息素挥发因子 0.3 。选取坐标点（1，1）为起始点，右下角 坐标点为目标点，其结果如下：
3.1 A*算法的原理 其中评估函数 F(n)是从起始节点通过节点 n 的到达目标节点的最小代价路径的 估计值,函数 G(n)是从起始节点到 n 节点的已走过路径的实际代价,函数H(n)是从 n 节点到目标节点可能的最优路径的估计代价,函数 H(n)表明了算法使用的启发 信息,它来源于人们对路径规划问题的认识,依赖某种经验估计。 F(n)=G(n)+H(n)
3.2 蚁群算法与A*算法的比较 在地图中，分别应用蚁群算法和 A*算法都获得了避障的路径规划图，通过计算 对比 ， A*算法的路径距离要大于蚁群算法的路径距离， 显 然 ， 通过蚁群算法进 行路径规划要比 A*算法要更简洁。
3.2 蚁群算法与A*算法的比较 在地图中，分别应用蚁群算法和 A*算法都获得了避障的路径规划图，通过计算 对比 ， A*算法的路径距离要大于蚁群算法的路径距离， 显 然 ， 通过蚁群算法进 行路径规划要比 A*算法要更简洁。
基于蚁群算法的机器人 路径规划
2019.5.27
CONTENT
01 蚁群算法的简介
目录
02 蚁群算法的原理及仿真
03 与A*算法的比较
2.1 栅格法构建地图 建立地图应用最广泛的方法就是栅格法， 其 中 栅格粒度决定着障碍物的表示精 度，栅格粒度越小，障碍物的表示越精确，反之，栅格粒度越大，障碍物的表 示越模糊，其中白色区域为可行道路，黑色区域为障碍物。
谢谢！