·94· 智能系统学报 第10卷 仿真对比)。图4为采用改进蚁群算法遍历56个目 实验方法是将改进算法和传统蚁群算法分别在 标所搜索到的最优路径(1为起始目标点，56为终 上述所构造的环境中进行移动机器人路径规划（其 止目标点)。 中每一栅格都为1×1正方形，且大小相等，起始栅 具体仿真数据分析如表2所示： 格和目标栅格是预先指定的)。文中所做的仿真实 表2仿真数据 验是在MATLAB数值分析工具下进行的。 仿真实验2实验环境为10×10栅格环境，设 Tab 2 Simulation data 定出发点的栅格序号为1，目标点的栅格序号为100 最短距离/ 平均距离/运行时间/ 算法 (栅格对应的序号是从左上角开始，从左到右，从上 m 到下依次为1~100)，具体实验结果如图5~9所示。 传统蚁群算法（遍历 10 2.4417e+0032.8580e+00332.156000 32个日标) 改进蚁群算法（遍历 2.3966e+0032.7204e+00329.172000 32个目标) 传统蚁群算法（遍历 3.0148e+0033.5129e+00359.316000 56个目标) 改进蚁群算法（遍历 2.9426e+0033.3599e+00343.204000 56个目标) 0 0 2 3456789 10 由表2可以看出，基于不同规模的TSP仿真算 图5基于改进蚊群算法的机器人各代避障路线 例，改进的蚁群算法所获得的最短距离与平均距离 Fig.5 The obstacle avoidance path of various generation ro- bot based on the improved algorithm 明显优于传统蚁群算法，且整个运行时间也少于传 统蚁群算法。通过不同规模仿真实验对比，验证了 18.5 所提出的改进算法的可行性和有效性。 18.0 3.2改进算法在机器人避障碍中的应用 17.5 为了进一步验证改进蚁群算法的可行性，将所 17.0 提改进蚁群算法运用到机器人避障。为了便于蚁群 蓝16.5 算法搜索到最优路径，采用栅格法进行静态已知环 16.0 境建模，同时选取了数量更多、分布更为复杂的障碍 物[1)。设机器人的工作空间为二维平面上的有限 15.5 0 50 100 150 区域AS,起始点B和目标点E。文中路径规划的优 迭代次数/次 化准则为路径最短，即寻找一条从B到E避开障碍 图6收敛曲线（基于改进蚊群算法） 物的最短路径[16。工作空间AS由200个1×1大小 Fig6 Convergence curve (based on the improved algorithm) 的方格组成，AS的规模为10行×10列。最短路径 问题的目标函数可表示为式(11)： 1=盒G+6,D (11) 式中：(x:,y)为路径点坐标，n为路径点数目，L 为路径长度。按从左到右、从上到下的顺序对 栅格进行编号(1~100)，同时设机器人工作空间由 M行N列栅格组成，其中每个栅格是边长为1的正 方形小格，将障碍物地图用一个二维数组矩阵ma即 0 2345678910 (M,N)表示为]： 图7基于传统群算法的机器人各代避障路线 1,第p行第q列栅格上有障碍 Fig.7 The obstacle avoidance path of various genera- map(p,q）= (12) 0,其他 tion robot based on the general algorithm仿真对比冤 遥 图 源 为采用改进蚁群算法遍历 缘远 个目 标所搜索到的最优路径渊 员 为起始目标点袁缘远 为终 止目标点冤 遥 具体仿真数据分析如表 圆 所示院 表 圆摇 仿真数据 栽葬遭 圆摇 杂蚤皂怎造葬贼蚤燥灶 凿葬贼葬 算法 最短距离辕 皂 平均距离辕 皂 运行时间辕 泽 传统蚁群算法渊遍历 猿圆 个目标冤 圆援源源员苑藻垣园园猿 圆援愿缘愿园藻垣园园猿 猿圆援员缘远园园园 改进蚁群算法渊遍历 猿圆 个目标冤 圆援猿怨远远藻垣园园猿 圆援苑圆园源藻垣园园猿 圆怨援员苑圆园园园 传统蚁群算法渊遍历 缘远 个目标冤 猿援园员源愿藻垣园园猿 猿援缘员圆怨藻垣园园猿 缘怨援猿员远园园园 改进蚁群算法渊遍历 缘远 个目标冤 圆援怨源圆远藻垣园园猿 猿援猿缘怨怨藻垣园园猿 源猿援圆园源园园园 摇 摇 由表 圆 可以看出袁基于不同规模的 栽杂孕 仿真算 例袁改进的蚁群算法所获得的最短距离与平均距离 明显优于传统蚁群算法袁且整个运行时间也少于传 统蚁群算法遥 通过不同规模仿真实验对比袁验证了 所提出的改进算法的可行性和有效性遥 猿援圆摇 改进算法在机器人避障碍中的应用 为了进一步验证改进蚁群算法的可行性袁将所 提改进蚁群算法运用到机器人避障遥 为了便于蚁群 算法搜索到最优路径袁采用栅格法进行静态已知环 境建模袁同时选取了数量更多尧分布更为复杂的障碍 物咱员缘暂 遥 设机器人的工作空间为二维平面上的有限 区域 粤杂袁起始点 月 和目标点 耘遥 文中路径规划的优 化准则为路径最短袁即寻找一条从 月 到 耘 避开障碍 物的最短路径咱员远暂 遥 工作空间 粤杂 由圆园园 个员 伊 员 大小 的方格组成袁粤杂 的规模为 员园 行 伊 员园 列遥 最短路径 问题的目标函数可表示为式渊员员冤 院 蕴 越 移 灶 蚤 越 圆 曾蚤 原 曾蚤原员 ( ) 圆 垣 赠蚤 原 赠蚤原员 ( ) 圆 渊员员冤 式中院渊 曾蚤 袁 赠蚤 冤 为路径点坐标袁灶 为路径点数目袁蕴 为路径长度咱员苑暂 遥 按从左到右﹑从上到下的顺序对 栅格进行编号渊员 耀 员园园冤 袁同时设机器人工作空间由 酝 行 晕 列栅格组成袁其中每个栅格是边长为 员 的正 方形小格袁将障碍物地图用一个二维数组矩阵 皂葬责 渊酝袁晕冤表示为咱员愿暂 院 皂葬责( ) 责袁择 越 员袁第 责 行第 择 列栅格上有障碍 {园袁其他 摇 摇 渊员圆冤 摇 摇 实验方法是将改进算法和传统蚁群算法分别在 上述所构造的环境中进行移动机器人路径规划渊其 中每一栅格都为 员伊员 正方形袁且大小相等袁起始栅 格和目标栅格是预先指定的冤 遥 文中所做的仿真实 验是在 酝粤栽蕴粤月 数值分析工具下进行的遥 仿真实验 圆摇 实验环境为 员园伊员园 栅格环境袁设 定出发点的栅格序号为 员袁目标点的栅格序号为 员园园 渊栅格对应的序号是从左上角开始袁从左到右袁从上 到下依次为 员 耀 员园园冤 袁具体实验结果如图 缘耀怨 所示遥 图 缘摇 基于改进蚁群算法的机器人各代避障路线 云蚤早援缘摇 栽澡藻 燥遭泽贼葬糟造藻 葬增燥蚤凿葬灶糟藻 责葬贼澡 燥枣 增葬则蚤燥怎泽 早藻灶藻则葬贼蚤燥灶 则燥鄄 遭燥贼 遭葬泽藻凿 燥灶 贼澡藻 蚤皂责则燥增藻凿 葬造早燥则蚤贼澡皂 图 远摇 收敛曲线渊基于改进蚁群算法冤 云蚤早援远摇 悦燥灶增藻则早藻灶糟藻 糟怎则增藻 渊遭葬泽藻凿 燥灶 贼澡藻 蚤皂责则燥增藻凿 葬造早燥则蚤贼澡皂冤 图 苑摇 基于传统群算法的机器人各代避障路线 云蚤早援苑摇 栽澡藻 燥遭泽贼葬糟造藻 葬增燥蚤凿葬灶糟藻 责葬贼澡 燥枣 增葬则蚤燥怎泽 早藻灶藻则葬鄄 贼蚤燥灶 则燥遭燥贼 遭葬泽藻凿 燥灶 贼澡藻 早藻灶藻则葬造 葬造早燥则蚤贼澡皂 窑怨源窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷