基于支持向量机和改进蚁群算法的移动机器人路径规划

摘要：

针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法.对传统蚁群算法引入两个角度信息,增加算法的朝向性,克服局部最优问题;信息素挥发因子随迭代次数自适应调整,加快全局搜索能力和收敛速度.在此基础上结合高斯径向基核最小二乘支持向量机,采用提出的改进蚁群算法获得支持向量机的惩罚系数和核函数宽度,利用径向基核函数和决策函数在改进蚁群算法的路径转向位置处训练优化,得到平滑及安全的路径.仿真结果表明,提出的算法不但可以有效提高收敛速度和精度,而且使得路径光滑且安全.

关键词：蚁群算法(ACO)、支持向量机(SVM)、路径规划、移动机器人

所属期刊栏目：31

资助基金：国家自然科学基金;湖北省技术创新专项重大项目;机器人与智能系统研究院开放基金

在线出版日期：2021-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：288-297