基于改进精英势场蚁群算法的机器人三维路径规划算法研究

三维路径规划是机器人完成目标任务的重要部分，针对蚁群算法存在收敛速度慢，后期易陷入局部最优解，平滑度较低等问题，提出了一种基于改进精英势场蚁群算法的机器人三维路径规划算法。首先引入人工势场的方向性初始化信息素浓度来加快算法收敛速度，同时采用基于精英策略的信息素浓度更新方式，增强优秀个体对种群的引导作用，并采用双向搜索的策略，进一步加快算法的收敛速度，避免算法陷入局部最优解，然后引入方向扩展搜索策略对轨迹进行处理，以提高平滑度。最后通过仿真实验对精英势场蚁群算法、蚁群算法和粒子群算法进行了比较。实验结果表明，相对于其它智能优化算法，精英势场蚁群算法具有收敛速度快、搜索效率高、最终搜索的路径更优且更加平滑等特点。

随着科技技术的不断进步， 机器人技术已经日渐成熟并逐步应用于救援、运输、探测等多种场景[1]。

路径规划是机器人研究的重要组成部分，在许多场景下，机器人需要在复杂的三维地形中自主规划出抵达目标点的距离最短、能耗最少的安全路径。解决路径规划问题是保障机器人高效、准确、安全完成任务的重要保障，具有广阔的应用前景和价值。

目前，许多国内外的研究者已经就对机器人路径规划问题进行了大量研究，常用的路径规划算法可以分为：基于几何模型的搜索算法(Dijkstra 和A*算法等)、基于概率采样的路径搜索算法(概率路径图、快速拓展随机树等)、启发式算法(人工势场法、遗传算法、蚁群算法和粒子群算法[2]等)。姜辰凯等[3]提出了一种基于时间窗的改进Dijkstra 算法以实现无人车的动态路径规划。李世国等[4]提出了一种改进双向A*算法解决机器人在室内的路径规划问题，减少了计算量，提高了搜索效率。

刘亚秋等[5]将扩展点选择策略和自适应步长策略引入传统RRT (快速拓展随机树)算法， 以指导RRT 树的生长方向， 避免陷入极小值。汤迪[6]通过增加虚拟目标并改进斥力场的方式改进人工势场法规划移动机器人路径，改进的人工势场法可以有效避免出现陷入局部极小值的情况。付兴武等[7]提出了一种结合天牛须搜索算法的改进粒子群算法，利用天牛个体的优势，每次迭代即可对周围环境进行判断，提高了搜索效率。陈超等[8]对蚁群算法进行了改进，采用局部和全局信息结合互动的信息素更新方式，加快了收敛速度。

虽然上述算法在机器人路径规划中有着不错的效果，但目前机器人三维路径规划算法仍然存在收敛速度慢、搜索精度不高、后期易陷入局部最优解，平滑度较低等问题。针对上述问题，出了一种精英势