来源：期刊VIP网 时间：
作者：卢宁;董守峰;金正南;胡信凯;
单位：北京建筑大学机电与车辆工程学院;北京市建筑安全监测工程技术研究中心;
摘要：在静态未知环境中，针对传统蚁群算法在搬运机器人路径规划中存在的初期搜索盲目性、收敛速度慢、易陷入局部最优、寻优能力弱等问题，提出了一种融合势场强化蚁群算法的路径规划方法。通过以目标为导向分布初始信息素，改进自适应挥发因子以优化信息素更新，降低了算法初期搜索盲目性并加快了收敛速度；设计基于目标距离和偏移角度的Q-learning奖励函数，将Q值与信息素浓度组合优化启发函数，并引入启发函数递减参数，提升了算法的寻优能力和适应性；结合人工势场法，引入虚拟目标点并改进斥力函数，解决了局部最优和目标不可达问题，进一步提升了算法局部避障能力，更好地处理复杂环境下的路径规划问题；最后，对得出的最优路径进行了平滑处理，以实现更快更平稳的路径规划效果。采用栅格地图作为搬运机器人模拟运行环境，进行路径规划的仿真实验。结果表明：与传统蚁群算法及陈丹凤等提出的算法相比，在不同密度障碍物环境下，所提出的融合势场强化蚁群算法在迭代次数、收敛速度、最优路径长度及路径转折次数等方面均表现出更优的性能。
关键词：路径规划;;蚁群算法;;信息素;;Q-learning算法;;人工势场法;;路径平滑机制
基金资助：北京建筑大学研究生创新资助项目（PG2024137）
