改进ACO及其在移动机器人路径规划中的应用

发布时间：2023-10-08 19:23

　　针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。

【文章页数】：5 页

【文章目录】：
1 引言
2 基本ACO分析及改进
    2.1 基本ACO原理和数学模型分析
    2.2 基于狼群分配原则的信息素更新策略
    2.3 ACO参数优化设计
3 改进ACO的实现
    3.1 函数仿真实验
    3.2 实验结果与分析
4 改进ACO的应用
5 结论



本文编号：3852636