移動機器人路徑規劃尤其是未知環境下機器人路徑規劃是機器人技術中的一個重要研究領域，得到了很多研究者的關注，并取得了一系列重要成果。目前已存在許多用來解決該問題的優化算法，但是此類問題屬于N-Hard問題，尋求更佳的算法就成為該領域的一個研究熱點。為此，根據機器人路徑規劃算法的研究現狀和向智能化，仿生化發展的趨勢，研究了一種基于圖的機器人路徑規劃螞蟻優化算法。算法首先用柵格法對機器人的工作空間進行建模，并用一個狀態矩陣表示其狀態，由此構造出一個連通圖，由一組螞蟻在圖上模擬螞蟻的覓食行為，從而得到避碰的優化路徑。最后，借鑒分枝隨機過程和生滅過程的理論知識，用概率的方法從理論上對該算法的收斂性進行了分析，在此基礎上，結合計算機仿真結果，證實了本文提出的算法的有效性和收斂性。

迄今為止，對于未知環境下機器人路徑規劃，人們已經探索出了許多有效的求解方法諸如虛擬力場法、基于學習或Q學習的規劃方法、滾動窗口規劃方法、非啟發式方法及各類定位、導航方法等等。近年來，不少學者用改進的遺傳算法、神經網絡、隨機樹、蟻群算法等方法對未知環境下機器人路徑進行了規劃機器人路徑規劃算法向智能化、仿生化發展是一個明顯的趨勢.由于已有算法不同程度的存在一定局限性，諸如搜索空間大、算法復雜、效率不高等，尤其對于未知環境，不少路徑規劃算法的復雜度較高，甚至無法求解，根據日前的研究現狀和不足，本文提出了一種用于解決未知環境下機器人路徑規劃的基于圖的螞蟻算法，理論分析和實驗結果都證明了本文算法的有效性和收斂性本課題研究的主要內容
本文在用概格法對機器人的工作空間進行建模的基礎上，用一個狀態矩陣表示其狀態，由此構造一個連通圖，由一組螞蚊在圖上模擬螞蟻的覓食行為，從而得到避碰的優化路徑并借鑒分枝隨機過程和生滅過程的理論知識用概率的方法從理論上對該算法的收斂性進行了分析，結合計算機仿真，證明了本文算法的有效性和收斂性

點擊標簽查看更多相關資源：