Mobile Robot Global Path Planning Based on Improved Ant Colony System Algorithm with Potential Field

Abstract

摘要： 针对势场蚁群算法路径转折点数量过多、收敛速度过快、容易陷入局部最优等问题，提出了基于势场跳点的蚁群算法。该算法融合了蚁群算法和跳点搜索算法的搜索策略，使规划出的路径更加平滑；引入了势场合力递减系数，减少了势场蚁群算法因势场而陷入的局部最优问题；引入了简化的跳点搜索算法对初始化信息素进行更新，提高了算法前期的搜索效率。为验证该算法的有效性，使用不同规格的栅格地图进行了仿真试验，仿真结果表明，相比于势场蚁群算法，该算法能够有效减少收敛迭代次数，其收敛搜索时间更短，且最终搜索到的路径更优。最后将该算法应用到实际的基于ROS的移动机器人导航试验中，试验结果表明，该算法能有效解决移动机器人全局路径规划问题，且能明显提升机器人全局路径规划的效率。