[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。3.3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；3.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3.5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確定最好的參數(shù)組合；蟻群算法的收斂速度受多種因素影響，易出現(xiàn)收斂速度過快或過慢，導(dǎo)致無法找出最優(yōu)路徑。3.6本章小結(jié)本章首先詳細(xì)介紹了蟻群算法的基本算法原理和構(gòu)建數(shù)學(xué)模型的方法、公式，討論了蟻群算法的研究現(xiàn)狀以及發(fā)展趨勢(shì)。其次對(duì)算法中的基本參數(shù)設(shè)置進(jìn)行了介紹及分析，討論了其數(shù)值的變化對(duì)系統(tǒng)產(chǎn)生的影響，介紹了以蟻群算法為基礎(chǔ)的自主機(jī)器人路徑規(guī)劃算法流程，適用MATLAB軟件運(yùn)算程序輸出路徑規(guī)劃完成算法仿真，從而驗(yàn)證人工勢(shì)場(chǎng)法在路徑規(guī)劃中的可行性，最后根據(jù)算法運(yùn)行結(jié)果分析了蟻群算法的優(yōu)缺點(diǎn)。

4混合蟻群-人工勢(shì)場(chǎng)算法的實(shí)現(xiàn)4.1混合算法的算法原理根據(jù)第2、3章的研究?jī)?nèi)容及結(jié)論可以發(fā)現(xiàn)，傳統(tǒng)的人工勢(shì)場(chǎng)法與蟻群算法在實(shí)際應(yīng)用中多多少少都存在一些劣勢(shì)，如機(jī)器人在遮擋物附近出現(xiàn)震蕩、無法成功安全到達(dá)目標(biāo)位置、算法最終解為局部環(huán)境的最佳路線等。于是我嘗試將兩種算法結(jié)合來仿真，目的是將兩種算法的優(yōu)點(diǎn)發(fā)揮出來、改善缺點(diǎn)，最終仿真得出最佳路線?；旌舷伻?人工勢(shì)場(chǎng)算法的主要算法思想是將算法分為改進(jìn)和優(yōu)化：1.蟻群算法中螞蟻的最初運(yùn)動(dòng)方向是隨機(jī)的，沒有固定方向的，為了減少無用路線，混合算法前期將以前的無序初始化改為采用人工勢(shì)場(chǎng)法中目標(biāo)位置對(duì)運(yùn)動(dòng)物體具有吸引力的原理，將其作為啟發(fā)因素，從而控制物體運(yùn)動(dòng)的大致方向，并將解的集合范圍縮??；2.改進(jìn)更新信息素濃度的準(zhǔn)則，基本的蟻群算法是在每一次迭代完成后進(jìn)行一次信息素的更新，有時(shí)會(huì)使收斂速度減慢，其中在每一次迭代結(jié)束后算法都會(huì)儲(chǔ)存一條最短路線，但這條路線并非一定是最佳路徑，然而最佳路線在此路線周圍的可能性肯定最高。于是，以加快收斂速度為目的，在混合算法中信息素的更新采用：對(duì)每一次迭代后得出的長(zhǎng)度最長(zhǎng)的路線上的信息素濃度減小，而長(zhǎng)度最短的路線上的信息素濃度增大，由于正反饋?zhàn)饔茫笠捠车奈浵仌?huì)在最佳路徑周圍集中搜索，實(shí)現(xiàn)目的。以下對(duì)改進(jìn)的數(shù)學(xué)模型進(jìn)行說明：1.改進(jìn)的啟發(fā)函數(shù)：將人工勢(shì)力場(chǎng)中的合力作用引入，定義啟發(fā)因子為：ηd其中，a為大于零的常數(shù)；F是螞蟻在t時(shí)刻在勢(shì)力場(chǎng)中受到的合力；θ是t時(shí)刻螞蟻在勢(shì)場(chǎng)中受到的合力和下個(gè)時(shí)刻的位置形成的夾角。2.改進(jìn)的信息素更新準(zhǔn)則：τ(4-2)其中，σ為常數(shù)；ρ是信息素?fù)]發(fā)因子。Lshortest為該次迭代結(jié)果中的最短路線長(zhǎng)度；Llongest4.2混合算法的算法流程圖4-1混合蟻群-人工勢(shì)場(chǎng)法算法流程圖4.3混合算法的結(jié)果及結(jié)論基于以上算法流程得出的仿真結(jié)果，并由圖4-2與圖4-3比較可知，同樣的障礙物位置的情況下，改進(jìn)的蟻群-人工勢(shì)場(chǎng)混合算法得到的最終路線比蟻群算法得到的路線距離更短，曲線也更加平穩(wěn)；且由迭代次數(shù)的曲線圖對(duì)比發(fā)現(xiàn)，蟻群-人工勢(shì)場(chǎng)混合算法收斂速度更快，驗(yàn)證了本次改進(jìn)的有效性。圖4-2改進(jìn)前的蟻群算法路線規(guī)劃結(jié)果及收斂曲線圖4-3改進(jìn)后的蟻群-人工勢(shì)場(chǎng)混合算法路線規(guī)劃結(jié)果及收斂曲線

5全文總結(jié)與展望5.1主要工作內(nèi)容與總結(jié)本文主要對(duì)人工勢(shì)場(chǎng)法和蟻群算法在機(jī)器人路徑規(guī)劃問題中的應(yīng)用進(jìn)行研究，首先通過閱讀大量中英文文獻(xiàn)來豐富自己對(duì)課題的了解和認(rèn)識(shí)，同時(shí)重新學(xué)習(xí)MATLAB，以便后期的使用，然后對(duì)現(xiàn)在常用的路徑規(guī)劃算法分為傳統(tǒng)避障算法和智能優(yōu)化算法進(jìn)行綜述；其次對(duì)課題打算研究的兩個(gè)算法：人工勢(shì)場(chǎng)法及蟻群算法的背景、基本原理、優(yōu)缺點(diǎn)、研究現(xiàn)狀及未來發(fā)展進(jìn)行了詳細(xì)的了解，初步論證上述兩種算法的可行性，并根據(jù)其原理及數(shù)學(xué)模型理出了算法流程以便后續(xù)操作；然后基于前期工作開始對(duì)人工勢(shì)場(chǎng)法和蟻群算法在軟件MATLAB中進(jìn)行編程及仿真分析，檢驗(yàn)以上兩種算法的可行性，并分析其優(yōu)缺點(diǎn)；根據(jù)劣勢(shì)嘗試改進(jìn)數(shù)學(xué)模型，完成優(yōu)化算法；最終書寫論文。依靠以上工作可以核實(shí)人工勢(shì)場(chǎng)法和蟻群算法在自主機(jī)器人路線方案設(shè)計(jì)及避障問題中應(yīng)用的可實(shí)行性。同時(shí)得出傳統(tǒng)人工勢(shì)場(chǎng)法的優(yōu)勢(shì)為計(jì)算步驟較容易、數(shù)據(jù)計(jì)算量小、程序結(jié)構(gòu)簡(jiǎn)介、實(shí)時(shí)性好、應(yīng)用性能佳且易上手，劣勢(shì)為容易出現(xiàn)目標(biāo)不可大的問題、有時(shí)會(huì)在障礙物附近震蕩、易得出局部最小值等；蟻群算法的優(yōu)點(diǎn)是正反饋系統(tǒng)有益于優(yōu)化結(jié)果、魯棒性強(qiáng)使蟻群算法的應(yīng)用領(lǐng)域廣、由于是智能優(yōu)化算法易與其他路徑規(guī)劃算法相結(jié)合以得到更完美的路徑規(guī)劃結(jié)果等，其缺點(diǎn)是由于算法的收斂速度被多重因素影響，所以易出現(xiàn)收斂速度過快或過慢從而導(dǎo)致無法找出最優(yōu)路徑，有時(shí)也會(huì)出現(xiàn)最終輸出的最佳路線為局部環(huán)境的最優(yōu)解而非全局地圖的最優(yōu)路線等相關(guān)問題。因此傳統(tǒng)人工勢(shì)場(chǎng)法和蟻群算法的發(fā)展現(xiàn)狀及未來規(guī)劃都致力于解決缺陷來找到更優(yōu)路徑。后續(xù)實(shí)現(xiàn)了蟻群算法的優(yōu)化，在收斂速度加快的同時(shí)有序地找到了更佳的行走路線。在研究過程中自然也遇到了一些問題，從一開始對(duì)算法原理和數(shù)學(xué)模型的不理解到編寫程序時(shí)因MATLAB運(yùn)用不熟練而無法運(yùn)行到論文書寫的結(jié)構(gòu)問題，但在后期通過閱讀文獻(xiàn)和學(xué)習(xí)MATLAB相關(guān)問題得到了解決，順利完成本課題。5.2未來的展望本課題通過仿真已經(jīng)驗(yàn)證了人工勢(shì)場(chǎng)法和蟻群算法的可行性，并且分析了兩者的優(yōu)缺點(diǎn)，但由于缺乏理論水平、編程能力和實(shí)際應(yīng)用，很難對(duì)算法的缺點(diǎn)采取措施進(jìn)行完善，所以仍然存在不足。且本次研究是純算法仿真，沒有應(yīng)用到實(shí)際環(huán)境自主機(jī)器人上，所以在以后的學(xué)習(xí)中，需要深入研究算法的數(shù)學(xué)模型及相關(guān)參數(shù)，找到一組合適的參數(shù)可以廣泛應(yīng)用于多種環(huán)境，多種領(lǐng)域。

致謝時(shí)光荏苒，四年的大學(xué)生活隨著畢業(yè)論文相關(guān)工作的完成的就要迎來結(jié)束，在這大學(xué)期間不論是在專業(yè)知識(shí)方面還是生活都學(xué)到了諸多，這自然離不開很多人的幫助。首先要十分感謝我的指導(dǎo)老師向青老師，從選題、研究方案制定、文獻(xiàn)綜述修改、開題答辯、算法設(shè)計(jì)階段、論文結(jié)構(gòu)修改到最終敲定，從1月到5月向老師都細(xì)心指導(dǎo)和幫助；在我研究出現(xiàn)問題時(shí)，老師會(huì)在百忙之中抽空為我指點(diǎn)迷津幫助我開拓思路；在論文修改階段，老師也是認(rèn)真批改仔細(xì)把關(guān)，為后期的修改提出了很多有用中肯的建議，讓我在算法仿真研究中有明確的思路，在論文的書寫時(shí)也非常有條理；期間老師不斷地強(qiáng)調(diào)學(xué)校畢業(yè)論文的相關(guān)注意事項(xiàng)，如：時(shí)間進(jìn)度，格式要求等，讓我少走了很多彎路節(jié)約了不少時(shí)間，在此衷心的感謝向青老師無論是在大學(xué)課堂中還是論文完成期間給予的幫助與鼓勵(lì)。其次要特別感謝陳亮明老師和漆為民老師，老師們不僅在大學(xué)四年中教授了我很多專業(yè)知識(shí)，在實(shí)習(xí)時(shí)的指導(dǎo)，而且在繁忙的工作之余幫我書寫研究生項(xiàng)目推薦信向各世界名校推薦我，對(duì)我考上研究生有非常大的幫助。此外，要感謝室友們楊思、祁倩在四年的大學(xué)生活中的陪伴一起學(xué)習(xí)、一同進(jìn)步，無論學(xué)習(xí)還是生活都少不了你們的身影，在每學(xué)期考試周前大家一起討論、互相幫助；在有事繁忙的時(shí)候，互幫互助。還要感謝父母家人，感謝陪伴與牽掛，希望繼續(xù)見證我的成長(zhǎng)，繼續(xù)攻讀研究生學(xué)位，望早日成為你們的依靠。最后，本人學(xué)術(shù)水平有限，所寫論文難免有不足之處，對(duì)答辯組老師的指導(dǎo)表示感謝，謝謝你們的細(xì)心審閱給出寶貴的意見，希望在未來的學(xué)習(xí)工作中能提高學(xué)習(xí)查缺補(bǔ)漏，越做越好！

參考文獻(xiàn)劉林森.機(jī)器人時(shí)代[J].科學(xué)之友,2003(2).吳健春.室內(nèi)移動(dòng)機(jī)器人避障技術(shù)的研究與實(shí)現(xiàn)[D].深圳大學(xué),2018.李奕銘.基于人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人避障研究[D].合肥工業(yè)大學(xué),2013.尤潤川.基于靜電勢(shì)場(chǎng)蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[D].湖北工業(yè)大學(xué),2020.劉學(xué)芳,曾國輝,劉瑾.基于改進(jìn)蟻群算法的機(jī)器人路徑規(guī)劃算法[J].傳感器與微系統(tǒng),2019,v.38;No.332(10):135-137+144.陳丹妮.基于蟻群算法的無人機(jī)作戰(zhàn)規(guī)劃[D].華南理工大學(xué).晉曉飛,王浩,宗衛(wèi)佳,等.自主移動(dòng)機(jī)器人避障技術(shù)研究現(xiàn)狀[J].傳感器與微系統(tǒng),2018,v.37；No.315(05):12-16.楊興.室內(nèi)自主導(dǎo)航移動(dòng)機(jī)器人路徑規(guī)劃研究[D].中北大學(xué),2016.劉夢(mèng)青.Storm平臺(tái)下作業(yè)調(diào)度方法研究[D].南京郵電大學(xué).王松濤.基于優(yōu)化的遺傳算子改進(jìn)蟻群算法AGV路徑規(guī)劃[J].自動(dòng)化應(yīng)用,2017,000(003):47-49.王偉杰,喻瑛,孫曉輝,等.智能家居用電優(yōu)化調(diào)度建模及蟻群算法求解[J].計(jì)算機(jī)技術(shù)與發(fā)展,2017(2).代亞蘭.廣義障礙環(huán)境下移動(dòng)機(jī)器人路徑規(guī)劃研究[D].武漢科技大學(xué).郭梟鵬.基于改進(jìn)人工勢(shì)場(chǎng)法的路徑規(guī)劃算法研究[D].哈爾濱工業(yè)大學(xué),2017.劉俊雅.基于人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人避障算法研究[D].華中師范大學(xué),2018.熊超文.蟻群算法的改進(jìn)及其在路徑規(guī)劃中的應(yīng)用研究[D].重慶郵電大學(xué),2020.馬立肖,才秀鳳,趙占芳,等.蟻群系統(tǒng)模型的比較及參數(shù)優(yōu)化[J].電腦知識(shí)與技術(shù)(學(xué)術(shù)交流),2007,1(003):1324-1325.尤潤川.基于靜電勢(shì)場(chǎng)法改進(jìn)的蟻群算法用于路徑規(guī)劃[J].電子技術(shù)與軟件工程,2020,000(002):P.68-70.王雪陽,史攀飛.蟻群算法與模擬退火、遺傳算法比較分析[J].無線互聯(lián)科技,2015,000(013):126-127.焦曉鵬,劉青.基于自適應(yīng)螢火蟲算法的MMC參數(shù)優(yōu)化研究[J].電力科學(xué)與工程,2017,033(011):24-30.SunS,FaNgP.StudyonTibetanCharacterContourLineExtractionBasedonAntColonyAlgorithm[J].MicrocomputerApplications,2008.韓宇洪.基于改進(jìn)人工勢(shì)場(chǎng)法的無人車避障路徑規(guī)劃研究.重慶理工大學(xué).碩士學(xué)位論文.2020.程俊林.基于樹形決策的機(jī)器人避障算法研究.云南大學(xué).碩士學(xué)位論文.2007.陳東.基于移動(dòng)機(jī)器人平臺(tái)的一種避障算法研究.北京郵電大學(xué).碩士學(xué)位論文.2010.支忠山,章敏鳳.移動(dòng)機(jī)器人避障算法的研究.科學(xué)時(shí)代.2010(07):72-73.邊鵬飛.基于行為的移動(dòng)機(jī)器人智能避障系統(tǒng)研究.武漢理工大學(xué).碩士學(xué)位論文.2009.吳濤.移動(dòng)機(jī)器人避障與路徑規(guī)劃研究.華中科技大學(xué).碩士學(xué)位論文.2004.徐飛.基于改進(jìn)人工勢(shì)場(chǎng)法的機(jī)器人避障及路徑規(guī)劃研究.計(jì)算機(jī)科學(xué).2016,43(12):293-296.BorensteinJ,KorenY.Real-tiomobstacleavoidanceforfastmobilerobots.IEEETransactionsonSystems,ManandCybernetics.1989,19(5):1179-1187.薛飛.基于無人船的路徑規(guī)劃與避障問題研究.哈爾濱工程大學(xué).碩士學(xué)位論文.2017.王利敏.基于A*算法和B樣條函數(shù)的月球車路徑規(guī)劃研究.吉林大學(xué).碩士學(xué)位論文.2016.耿以才,黃立新,陳凌珊,杭魯濱.無人船安全目標(biāo)追蹤與自動(dòng)避障算法.計(jì)算機(jī)測(cè)量與控制.2015.23(7):2467-2474.樓一超,劉衛(wèi)東,鮮艷,立娥.基于人工勢(shì)場(chǎng)法的水下機(jī)器人避障方法研究.中國西部聲學(xué)學(xué)術(shù)交流會(huì)論文集.甘肅酒泉：胡長(zhǎng)青,2020:452-456.高曉陽.基于改進(jìn)人工勢(shì)場(chǎng)法的自主機(jī)器人動(dòng)態(tài)避障研究.鄭州大學(xué).碩士學(xué)位論文.2020.ChangjianLin;HongjianWang;JianyaYuan;DanYu;ChengfengLi.Animproved