论文部分内容阅读
针对大多数路径规划方法所忽视的路径尖峰，以及传统蚁群算法（ACA）易出现的早熟、陷入局部最优等问题，提出一种改进ACA以用于路径规划。首先，在ACA中融入遗传算子，利用交叉与变异操作来扩大解的搜索空间，提升解的全局性。然后，引入简化与平滑操作优化算子，对所寻路径做进一步处理，消除路径中不必要的尖峰，提高其平滑性。栅格环境下的机器人路径规划仿真结果表明，与A^＊以及传统ACA相比，所提算法能够得到更为平滑的最短路径。