粒子群算法優化機器人路徑規劃的研究

巫光福，萬路萍

（江西理工大學信息工程學院，江西贛州 341000）

在移動機器人領域中，導航技術是非常關鍵的一個研究點，而路徑規劃是導航中一個很重要的任務。所謂的路徑規劃[1-2]就是在一個包含障礙物的環境中，從起點到終點尋找到一條最優或者近似最優的路徑，并滿足一定的約束條件，如最短路徑、耗時最少和安全性最高等等。隨著國內外學者對機器人路徑規劃領域越來越深入的研究，提出的解決路徑規劃的方法也越來越多。由于A*算法、人工勢場法等傳統算法[3-5]在解決路徑規劃問題存在很大不足，如在復雜環境中，計算量大，占用內存多，尋找符合標準的最優路徑的效率比較差等。由于仿生智能算法的出現，越來越多的學者研究智能算法及其改進方法，并將其應用在解決機器人路徑規劃問題上。實驗證明，灰狼算法[6]、蟻群算法[7-8]、遺傳算法[9-11]、粒子群算法[12-13]等智能算法在優化移動機器人路徑問題上很有效。

粒子群優化算法（Particle swarm optimization algorithm，PSO）最早于1995年11月由Kennedy 和Eberhart 提出[14]，它是基于自然界中鳥類、魚類等群體的思想的進化計算方法。與遺傳算法等群智能優化算法相比，粒子群優化算法具有相對簡單性、可調參數少和收斂速度較快的特點，這也使得其成為解決移動機器人路徑規劃問題的一個應用比較廣泛的算法。但是粒子群優化算法在搜索過程中也容易出現早熟現象[15]，使得路徑規劃陷入局部最優，因而也出現了很多改進算法。文獻[16]將蟻群算法與粒子群優化算法融合，通過蟻群算法得到全局最優路徑，改進的粒子群算法在全局范圍求最優解，并將其作為螞蟻的初始信息素，從而蟻群算法能進一步尋優，兩者優勢互補，提高了算法尋找最優解的能力。……