融合遗传算法与蚁群算法的机器人路径规划

摘要

针对传统蚁群算法在全局静态环境下,搜寻一条由起点到终点的最优路径时,初始信息素缺乏、易陷入局部最优且收敛速度差的问题,提出一种遗传算法和蚁群算法结合求解路径规划问题的方法.首先,利用栅格法建立机器人行走环境模型;其次,为解决蚁群算法初始信息素缺乏的问题,对遗传算法每次迭代得到的种群根据适应度进行排序,利用截断选择,选取种群前50％的较优个体,利用初始信息素产生规则来设置蚁群算法所需的初始信息素;设计控制策略,控制遗传算法向蚁群算法的转换时间;最后,利用蚁群算法搜索路径,根据信息素更新策略更新信息素,采用简化操作优化路径,使得路径更平滑且距离更短.仿真结果表明,该算法在增强全局搜索能力以及加快收敛速度方面有较好的改善.