|本期目录/Table of Contents|

[1]张靖雯.基于蚁群算法的智能汽车轨迹控制方法研究[J].工业仪表与自动化装置,2022,(06):41-44+104.[doi:10.19950/j.cnki.cn61-1121/th.2022.06.008]
　ZHANG Jingwen.Research on intelligent vehicle track control method based on ant colony algorithm[J].Industrial Instrumentation & Automation,2022,(06):41-44+104.[doi:10.19950/j.cnki.cn61-1121/th.2022.06.008]
点击复制

基于蚁群算法的智能汽车轨迹控制方法研究

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2022年06期
页码:
41-44+104
栏目:
出版日期:
2022-12-15

文章信息/Info

Title:
Research on intelligent vehicle track control method based on ant colony algorithm
文章编号:
1000-0682（2022）06-0000-00
作者:
张靖雯
陕西国防工业职业技术学院，西安 710300
Author(s):
ZHANG Jingwen
(Shaanxi Institute of Technology, Shaanxi Xi’an 710300, China)
关键词:
蚁群算法; 自适应策略; 轨迹控制; 转移概率; 信息熵; 车辆路径规划
Keywords:
ant colony adaptive strategy;  self-adaptive;  trajectory control;  transition probability;  information entropy;  vehicle route planning
分类号:
TP391TN989
DOI:
10.19950/j.cnki.cn61-1121/th.2022.06.008
文献标志码:
A
摘要:
针对基础蚁群算法易陷入局部最优且收敛速度较差等问题，提出了一种基于自适应策略和蚁群算法的智能汽车轨迹控制与路径规划算法。该算法在初始信息素浓度的分配中，使用自适应函数完成信息素浓度的差异化分配，从而减少了错误浓度信息对路线选择的影响。同时，设计了新的概率转移函数，使不同算法场景拥有不同的概率权重，显著提升了算法的收敛速度。为防止算法陷入局部最优，基于自适应信息熵制定了全局信息素更新规则，令算法在路径规划过程中可兼具性能及效率。仿真测试结果表明，所提算法的路径规划质量在对比算法中为最优，且迭代次数较少，运行时间也仅为5.1 s，证明该算法具有良好的综合性能。
Abstract:
Aiming at the problems of local optimization and poor convergence speed of basic ant colony algorithm, this paper proposes an intelligent vehicle trajectory control and path planning algorithm based on adaptive strategy and ant colony algorithm.In the allocation of initial pheromone concentration,the algorithm uses an adaptive function to complete the differential allocation of pheromone concentration,so as to reduce the impact of wrong concentration information on route selection.A new probability transfer function is designed,so that different scenarios have different probability weights, and the convergence speed of the algorithm is significantly improved.In order to prevent the algorithm from falling into local optimization,a global pheromone update rule is formulated based on adaptive information entropy,which makes the algorithm have both performance and efficiency in the process of path planning. In the simulation test,the path planning quality of the algorithm in this paper is the best in the comparison algorithm,the number of iterations is small,and the running time is only 5.1 s, which proves that the improved algorithm has good comprehensive performance.

参考文献/References:

[1] 戴忠,王小奇,王薇.面向自动驾驶的5G边缘计算业务连续性技术研究[J].重庆邮电大学学报(自然科学版),2020,32(5):808-815.

[2] 朱永成.基于VINS-MONO的融合SLAM应用于自动驾驶的技术研究[D].北京:北京邮电大学,2021.
[3] 彭文正,敖银辉,黄晓涛,等.多传感器信息融合的自动驾驶车辆定位与速度估计[J].传感技术学报,2020,33(8):1140-1148.
[4] 何德峰,徐广琪,李海平.自主车辆高效滚动时域轨迹规划与跟踪控制[J].浙江工业大学学报,2021,49(1):16-23+81.
[5] 张垚,彭育辉.无人驾驶汽车离散优化的轨迹规划算法[J].福州大学学报(自然科学版),2021,49(4):508-515.?/div>
[6] 王媛媛.考虑不确定性的无人驾驶汽车轨迹规划算法研究[D].长春:吉林大学,2021.
[7] 陈卫,邓志良.捡球机器人路径规划算法研究及仿真[J].计算机仿真,2020,37(10):291-296.
[8] 王红君,付勇,岳有军,等.基于并行蚁群算法的设施温室机器人多点路径规划的研究[J].江苏农业科学,2019,47(17):237-241.
[9] 杨丰拓,杨杰.基于线段检测的栅格地图划分方法[J].传感器与微系统,2020,39(10):142-144,148.
[10] 孙雨婷,杨纱纱,高新春.基于蚁群算法的无人设备路径规划[J].计算机与数字工程,2021,49(10):2039-2042,2082.
[11] 刘永建,曾国辉,黄勃,等.改进蚁群算法的机器人路径规划研究[J].电子科技,2020,33(1):13-18.
[12] 胡治锋,陈冬方,李庆奎,恒庆海.基于模拟退火蚁群算法的拣货路径规划[J].电子设计工程,2021,29(24):80-83.
[13] 李克文,林亚林,杨耀忠.一种改进的基于欧氏距离的SDRSMOTE算法[J].计算机工程与科学,2019,41(11):2063-2070.
[14] 贾倩倩,高兴慧.求解次压缩算子分裂问题的自适应算法[J].延安大学学报(自然科学版),2020,39(2):21-23,27.
[15] 王树亮,毕大平,阮怀林.机动目标跟踪波形和检测门限自适应算法[J].西安电子科技大学学报,2019,46(3):96-101.
[16] 许凯波,鲁海燕,黄洋,等.基于双层蚁群算法和动态环境的机器人路径规划方法[J].电子学报,2019,47(10):2166-2176.
[17] 崔宝侠,王淼弛,段勇.基于可搜索24邻域的A~*算法路径规划[J].沈阳工业大学学报,2018,40(2):180-184.

相似文献/References:

[1]田淑梅,高希军,张喜海.基于农田复杂区域的WSN最优移动路径获取策略[J].工业仪表与自动化装置,2015,(02):127.
　TIAN Shumei,GAO Xijun,ZHANG Xihai.Optional moving path acquisition strategy based on farm complex region for WSN[J].Industrial Instrumentation & Automation,2015,(06):127.
[2]辛耀东,安世奇.凝固浴系统智能控制参数调整策略研究[J].工业仪表与自动化装置,2017,(01):71.
　XIN Yaodong,AN Shiqi.Research on Parameter Adjustment Strategy of Intelligent Control in Coagulation Bath System[J].Industrial Instrumentation & Automation,2017,(06):71.
[3]汤敏兰,沈晓明.基于蚁群算法的护理实习排班多约束问题研究[J].工业仪表与自动化装置,2018,(03):119.[doi:1000-0682（2018）03-0000-00]
　TANG Minlan,SHEN Xiaomin.Multi-constrained problem of nursing interns scheduling based on ant colony algorithm[J].Industrial Instrumentation & Automation,2018,(06):119.[doi:1000-0682（2018）03-0000-00]
[4]李巍巍,张海彪,王光辉,等.基于蚁群算法的倒立摆系统PID控制器设计[J].工业仪表与自动化装置,2018,(03):55.[doi:1000-0682（2018）03-0000-00]
　LI Weiwei,ZHANG Haibiao,WANG Guanghui,et al.Design of inverted pendulum PID controller based on ant colony algorithm[J].Industrial Instrumentation & Automation,2018,(06):55.[doi:1000-0682（2018）03-0000-00]
[5]赵艳东,张申申.基于改进蚁群算法的智能交通路径规划[J].工业仪表与自动化装置,2019,(02):30.[doi:1000-0682(2019)02-0000-00]
　ZHAO Yandong,ZHANG Shenshen.Intelligent transportation system path planning based on improved ant colony algorithm[J].Industrial Instrumentation & Automation,2019,(06):30.[doi:1000-0682(2019)02-0000-00]
[6]王建荣,陈 斌,陈 柯.基于蚁群算法的电梯群控系统研究[J].工业仪表与自动化装置,2022,(04):127.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.026]
　WANG Jianrong,CHEN bin,CHEN Ke.Research on elevator group control system based on ant colony algorithm[J].Industrial Instrumentation & Automation,2022,(06):127.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.026]
[7]徐 洁,张 锐,汪志锋.改进蚁群算法在自动导引车路径规划中的应用[J].工业仪表与自动化装置,2023,(03):88.[doi:10.19950/j.cnki.cn61-1121/th.2023.03.018]
　XU Jie,ZHANG Rui,WANG Zhifeng.Application of improved ant colony algorithm in AGV path planning[J].Industrial Instrumentation & Automation,2023,(06):88.[doi:10.19950/j.cnki.cn61-1121/th.2023.03.018]
[8]王俊彭,等.基于蚁群算法的人员疏散机器人路径规划方法[J].工业仪表与自动化装置,2023,(04):77.[doi:10.19950/j.cnki.cn61-1121/th.2023.04.014]
　WANG Junpeng,,et al.Path planning method of personnel evacuation robot based on ant colony algorithm[J].Industrial Instrumentation & Automation,2023,(06):77.[doi:10.19950/j.cnki.cn61-1121/th.2023.04.014]

备注/Memo

备注/Memo:
收稿日期：2022-06-23
基金项目：陕西省教育科学“十四五”规划2021年度课题（SGH21Y0508）?/div>
?者简介：张靖雯（1990），女，陕西西安人，硕士，讲师，研究方向为智能汽车控制及车联网技术。
更新日期/Last Update: 1900-01-01