仪器仪表学报

作者：曾宪阳，梁远生，于浩，刘畅，杨红莉

单位：曾宪阳,南京工程学院工程训练中心应用技术学院南京211167,zxymcu@163.com,梁远生,南京工程学院工程训练中心应用技术学院南京211167,,于浩,南京工程学院工程训练中心应用技术学院南京211167,,刘畅,南京工程学院工程训练中心应用技术学院南京211167,,杨红莉,南京工程学院工程训练中心应用技术学院南京211167,

关键词：蚁群算法;路径规划;泛化性能;异质种群;角度惩罚

基金：南京工程学院校级科研基金项目（CKJA202206）、江苏省研究生科研与实践创新计划项目（SJCX24_1291，SJCX24_1297）、江苏省产学研合作项目（DH20251224）资助

针对传统蚁群算法(ACO)在路径规划中收敛速度慢、易陷入局部最优和路径拐点多等局限性，提出了一种改进的ACO算法。该算法融合了异质自适应机制、角度惩罚与精英策略，并系统验证其泛化性能。通过构建异质-同质双种群协同架构，将两类不同特征的蚂蚁种群结合，增强了算法在多种环境下的全局搜索能力，有效避免种群的过早收敛；引入方向感知的角度惩罚因子，通过在路径规划中加入角度惩罚，避免了不必要的路径拐点，优化了路径平滑性，并提升了算法对复杂地形的适应性；采用精英加权信息素更新策略，使得优秀解的影响力在信息素更新过程中得到更大的体现，加速了收敛过程并提高了稳定性。在多规模栅格地图的对比实验中，所提算法展现出了优异的泛化性能与鲁棒性：在50×50复杂环境下，相较于传统ACO算法，路径长度减少14.1%，拐点降低69.4%；相较于现有改进算法，路径长度缩短8.4%，拐点减少66.6%，迭代次数下降82.6%。自动导引车(AGV)实车实验进一步验证了算法在真实场景中的泛化能力，路径长度缩短11.1%，拐点减少78.2%。创新性地提出了种群异质自适应调度机制、方向感知的角度惩罚策略和精英信息素加权更新方法，显著提升了ACO算法的泛化性能，为移动机器人导航系统的实际应用提供了可靠的技术支撑。

来源：2025年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第11期