森林防火机器人轨迹寻踪技术研究

发布时间：2025-03-24 16:39

　　 蚁群算法是解决森林防火机器人轨迹寻踪问题的有效方法,针对传统蚁群算法收敛速度慢、容易陷入局部最优解的不足,本文设计一种自适应的蚁群算法。信息素启发因子α与期望启发因子β共同起引导蚂蚁搜索的作用,动态调整两者在搜索过程中的取值,提高收敛速度;基于地图位置信息设计改进型的启发式函数,提高前期搜索效率;依据蚂蚁的行进意图扩展禁忌表内容,避免路径交叉,减少蚂蚁的迷失数量;在信息素更新函数中导入转角指标,并通过信息素浓度对比试验确定权重系数的最优取值,使路径更平滑;基于Matlab平台搭建林区仿真地图,对比测试自适应蚁群算法性能。试验结果表明,自适应蚁群算法具有自适应调节能力、不会出现交叉路径,与传统蚁群算法相比,在收敛速度与搜索结果方面有着较好的改善。

【文章页数】：9 页

【部分图文】：

图1 搜索优先级示意图[11]

目标点信息可以快速地引导蚂蚁进行搜索,但在搜索前期过早地引入目标点信息反而会减少蚂蚁的搜索空间,提高蚂蚁陷入局部最优的概率。为了改善蚂蚁的搜索效率,康冰等[11]提出了基于位置信息的空间划分法,将起始点和终点的连线区域视为优先搜索区域,且指出最短路径大多集中在该区域,如图1所示。....

图5 转弯情况

图4直行情况3仿真实验

图14 自适应算法的搜索结果

图13改进算法的搜索结果4结束语

图2 转向角示意图

蚁群算法中,更新信息素的方法[6]主要有:Ant-Cycle模型、Ant-Density模型和Ant-Quantity模型。传统的蚁群算法常选择Ant-Cycle模型作为信息素的更新策略,但是Ant-Cycle模型仅考虑路径的最短距离,忽略了路径的平滑程度。在机器人的应用领域,需....

本文编号：4037580