基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法.在传统A*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度.新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优.仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性.
推荐文章
基于改进蚁群算法的移动机器人路径规划研究
移动机器人路径规划
新型蚁群算法
数学模型
收敛速度
局部最优
改进蚁群算法在移动机器人路径规划中的研究
蚁群算法
移动机器人
路径规划
最优路径
基于改进蚁群算法的机器人路径规划算法
移动机器人
改进蚁群算法
路径规划
基于改进蚁群算法的机器人路径规划
蚁群算法
移动机器人
路径规划
陷阱
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进蚁群算法的机器人路径规划研究
来源期刊 电子科技 学科 工学
关键词 蚁群算法 A*算法 机器人 启发因子 信息素挥发因子 路径规划
年,卷(期) 2020,(1) 所属期刊栏目
研究方向 页码范围 13-18
页数 6页 分类号 TP242.6
字数 4467字 语种 中文
DOI 10.16180/j.cnki.issn1007-7820.2020.01.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李晓斌 上海应用技术大学电气与电子工程学院 22 55 5.0 5.0
2 曾国辉 上海工程技术大学电子电气工程学院 31 72 5.0 8.0
3 黄勃 上海工程技术大学电子电气工程学院 40 87 5.0 7.0
4 刘永建 上海工程技术大学电子电气工程学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (92)
共引文献  (69)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(13)
  • 参考文献(0)
  • 二级参考文献(13)
2015(8)
  • 参考文献(0)
  • 二级参考文献(8)
2016(6)
  • 参考文献(2)
  • 二级参考文献(4)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(7)
  • 参考文献(7)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
蚁群算法
A*算法
机器人
启发因子
信息素挥发因子
路径规划
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子科技
月刊
1007-7820
61-1291/TN
大16开
西安电子科技大学
1987
chi
出版文献量(篇)
9344
总下载数(次)
32
总被引数(次)
31437
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导