现如今科技水平飞速发展,各行各业都在逐步使用人工智能技术,针对智能技术的研究也已有许多较为成熟的算法。本文在传统蚁群算法的基础上进行改进优化,目的是为了提升算法的寻优性能,并针对无人艇路径规划提出相应的解决方法。传统蚁群算法是根据蚁群觅食的行为研究所得,算法逻辑是基于蚂蚁协同完成觅食任务而提出的一种仿生学随机算法,用于解决搜索寻优类问题。算法搜索的核心元素是蚁群中个体所释放的信息素,通过信息素对遍历过的路径进行标记,路径遍历的次数越多,信息素浓度越高,对蚁群在选择路径时起到很好的指导效果,这一过程是蚁群算法中正反馈现象,也是算法的独特之处。本文根据对蚁群算法正反馈机制的研究,发现算法的不足,为了弥补算法的缺陷,在正反馈机制上进行优化并增加负反馈机制来达到改进算法的目的。首先需要掌握分析蚁群算法的基本原理、数学模型以及逻辑流程,然后确定参数对算法性能所具有影响,最后对整体算法进行改进。对于改进增加的负反馈机制部分同样是通过群体生物行为得到启发,这种改进方式的优点是在原始算法只使用最优路径解的基础上增加了对最差路径的利用,这样可以使蚂蚁在实验过程中减少对较差路径的探索,提高未知区域路径选择概率。不仅提升了算法的整体性能,还给最终结果提供了更多的可能性。在改进内容中,在传统蚁群算法的路径选择概率公式以及信息素更新方式的基础上增加了负反馈信息素以及负反馈信息素更新方式。为了实验过程的严谨,首先通过栅格法对环境进行建模,然后对传统算法进行测试,确定各参数的可行区间,将改进后的算法进行实验验证,同时确定改进后算法是否具备可行性,最后为了更加直观的展示改进算法的优越性,会将改进的算法和传统蚁群算法放在不同的环境模型中进行对比分析。本文主要的目的是将改进负反馈机制的蚁群算法带入到无人艇路径规划的研究当中,对比分析在复杂程度不同的环境模型下改进后的算法寻优表现,来判断是否具备解决路径寻优的能力。通过MATLAB实验,对比仿真结果,改进后的算法稳定性、可靠性得到了提高,能够投入到无人艇路径规划的实际应用中。