蟻群算法為基礎(chǔ)的自主機(jī)器人路徑規(guī)劃算法流程MATLAB仿真分析案例目錄TOC\o"1-3"\h\u7330蟻群算法為基礎(chǔ)的自主機(jī)器人路徑規(guī)劃算法流程MATLAB仿真分析案例 [20]，取值通常為0~5之間，數(shù)值過大會(huì)加快收斂速度但易使最終結(jié)果為局部環(huán)境的最佳路徑；過小可能會(huì)使蟻群算法編程純粹的隨機(jī)搜索收斂速度大大變慢；6.信息揮發(fā)因子：直接體現(xiàn)了信息素的在環(huán)境中蒸發(fā)速度，由大量演算可知數(shù)值正常范圍通常為。過大會(huì)使信息素?fù)]發(fā)較快以至于最優(yōu)路徑消失；過小會(huì)令多條路線上的信息素含量差別較小，收斂速度降低。1.3蟻群算法的算法流程1.清空地圖環(huán)境；2.對(duì)程序運(yùn)算中運(yùn)用到的符號(hào)進(jìn)行說明解釋；1.導(dǎo)入各個(gè)城市位置的二維數(shù)據(jù)；4.初始化參數(shù)；5.迭代尋找最佳路徑：首先隨機(jī)產(chǎn)生各個(gè)螞蟻的起點(diǎn)位置，然后逐個(gè)螞蟻進(jìn)行路徑選擇（逐個(gè)城市路線選擇；計(jì)算從城市j到剩下還沒有訪問到的位置轉(zhuǎn)移的概率；運(yùn)用輪盤賭法為螞蟻選擇下一目的位置），接著計(jì)算各個(gè)螞蟻的路線長(zhǎng)度；計(jì)算最短路徑距離與平均距離；更新信息素；迭代次數(shù)加1，同時(shí)清空以往路線記錄；6.顯示結(jié)果：最短距離及最短路線；7.將上一步運(yùn)算出的最短路線繪圖。圖3-1蟻群算法流程圖仿真結(jié)果根據(jù)蟻群算法的相關(guān)文獻(xiàn)以及基于以上算法流程得出的仿真結(jié)果，如圖3-2可知，迭代次數(shù)過小會(huì)導(dǎo)致可選路徑較少，使蟻群陷入局部最優(yōu)，從而無法找出最優(yōu)路徑及最短距離。由圖3-3可知，蟻群在各個(gè)不同的起始位置向目標(biāo)位置的路線及最短距離的長(zhǎng)度為35.6082米。圖3-2迭代次數(shù)與最短距離的關(guān)系圖3-3蟻群算法路徑規(guī)劃結(jié)果圖1.5蟻群算法的優(yōu)缺點(diǎn)從算法原理及以上運(yùn)算仿真結(jié)果可知，蟻群算法具有以下優(yōu)點(diǎn)：蟻群算法基于正反饋系統(tǒng)，可以讓算法逐漸優(yōu)化得出最優(yōu)解；蟻群算法魯棒性強(qiáng)，數(shù)學(xué)模型易于修改，能應(yīng)用的問題領(lǐng)域多，范圍廣；蟻群算法容易與其他算法結(jié)合，無論是局部環(huán)境路徑規(guī)劃算法還是全局路徑規(guī)劃算法，可以相結(jié)合，實(shí)現(xiàn)各自算法的優(yōu)點(diǎn)，以完善路徑規(guī)劃問題。但同時(shí)也不難看出有一些缺點(diǎn)及問題：蟻群算法容易陷入局部最優(yōu)解的相關(guān)問題，因螞蟻趨于信息素容度高的路徑運(yùn)動(dòng)，在復(fù)雜或范圍較大的環(huán)境時(shí)，最終運(yùn)算出來的路徑可能不是全局最優(yōu)路徑；蟻群算法中，不同參數(shù)的組合會(huì)產(chǎn)生較大的影響，且參數(shù)組合方式較多，沒有通用的范圍或有效的方法來