融合粒子群与改进蚁群算法的AUV路径规划算法

摘要：

针对传统蚁群算法在处理自主式水下机器人AUV(Autonomous Underwater Vehicle)三维路径规划问题时存在初期寻径能力弱、算法收敛速度慢等问题,提出一种融合粒子群与改进蚁群算法的AUV路径规划算法PSO-ACO(Particle Swarm Optimization-improved Ant Colony Optimization).基于空间分层思想建立三维栅格模型实现水下环境建模;综合考虑路径长度、崎岖性、危险性等因素建立路径评价模型;先使用粒子群算法预搜索路径来优化蚁群算法的初始信息素;再对蚁群算法改进状态转移规则、信息素更新方式并加入奖惩机制实现全局路径规划.实验表明,算法能有效提高初期寻径能力和全局搜索能力,减少收敛迭代次数并缩短搜索使用时间.

关键词：改进蚁群算法、粒子群算法、三维栅格模型、自主式水下机器人、三维路径规划

所属期刊栏目：57

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金61703267

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：267-273