针对蚁群算法收敛速度慢并且容易陷入局部最优解的不足,这里提出一种新的改进算法,首先将蚂蚁目前所在节点与下一时刻要选择的节点之间的关系引入到启发函数当中,然后改变信息素更新规则。利用两种不同的栅格地图在Matlab中对传统蚁群算法和改进的算法进行仿真实验。仿真结果表明,复杂地图环境下基本蚁群算法迭代次数为15次,最短路径为31.21,而这里改进的算法收敛速度更快,迭代次数为9次,最短路径为28.63。改进后的算法不仅在收敛速度上有所提升,并且避免了传统蚁群算法容易陷入局部最优解。

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。