改進蟻群算法在物流機器人路徑規劃中的應用實踐研究

南江萍

（西安交通工程學院，陜西 西安 710300）

隨著現代信息技術的發展，物流機器人開始頻繁地出現在人們日常生活中，成為提高人們生活質量的新設備。但是根據物流機器人的應用現狀來看，路徑規劃是影響物流機器人服務能力的重要組成部分，科學的路徑規劃不僅能夠降低成本，也能節省時間，具有深遠影響[1]。而根據當前相關技術的發展情況，改進蟻群算法在物流機器人路徑規劃中的作用越來越明顯，值得關注。

1.改進蟻群算法分析

蟻群算法實際上是模仿自然界中螞蟻覓食過程而發展來的一種計算方法，具有全局性、目標點吸引機制等優點[2]。本次研究中的改進蟻群算法，則是在傳統蟻群算法基礎上發展來的一種新型算法，能夠不斷改善路徑質量。

1.1 改進轉移概率

在物流機器人運行過程中，在不同路徑下機器人的轉彎行為可能會浪費時間并損耗資源，若在路徑規劃中出現多個彎曲，則會進一步影響機器人的運行效果，因此對算法做改進成為其中的重點內容，要求能夠盡量減少機器人路徑規劃中的不必要轉折，保證路徑平滑度，保障機器人運動代價[3-4]。所以在本次研究中，通過引入轉角啟發信息，其間轉角越小，則物流機器人選擇該路徑的概率越大，此時節點轉移概率如公式（1）表示。

在公式（1）中，P(t)為轉移概率；t為時間系數；τn表示第n各節點的轉角路徑；ωij(t)為第t時刻從i點到j點的轉角啟發函數。

T為轉彎代價；ω1為可調節參數。

同時在常規蟻群算法中，由于啟發因子受到該點i到下一節點j距離的倒數，這種情況會直接影響蟻群算法的處理效果，啟發性不理想，這種情況會加劇資源浪費問題，而考慮到物流機器人對時間的要求較高，所以本文在啟發因子分析中進行了改進，其中的重點內容就是引入節點j到目標點z之間的距離[5]。

1.2 路徑節點自適應參數選擇

常規蟻群算法主要通過輪盤賭法來抉擇路徑，這種方法存在一個十分明顯的弊端，這是因為在早期數據處理中可能出現很多差異不顯著的信息素，造成蟻群算法的早期收斂速度較慢，尤其是在環境規模較大的情況下，這種情況將會進一步影響物流機器人的運行效果，不利于實現最優化計算[6-7]。所以在本文的改進蟻群算法中，對蟻群的節點選擇策略進行改進，將隨機性選擇以及定性選擇方法應用于其中，并在運算期間添加狀態轉移規則可控參數，則有計算公式：

在公式（3）中，q0為確定性選擇閾值；Nmax為最大迭代次數；Nc為螞蟻當前迭代次數；ε為調整系數。

在運算過程中，考慮到蟻群迭代期間對環境搜索的要求，所以在算法初期0q較大，此時算法在前期的路徑以偽隨機概率選擇方式為主，確保其中的信息素能夠均勻分布在有利路徑中，保證了算法前期收斂[8]；而隨著運算過程的深入，q0所選值逐漸下降，滿足螞蟻隨機搜索的要求。所以與常規技術相比，本文所介紹的方法能夠顯著提升收斂速度，避免物流機器人在運行過程中出現停滯情況，有助于實現最優解。

1.3 全局信息素更新機制

在傳統蟻群算法中，在解決信息素更新問題時需要將全部路徑更新一次，這樣所更新的路徑才能符合物流倉庫的實際情況，但是這種算法會增加路徑信息素的處理難度，不僅難以轉變為滿意探索過的路徑信息素，即使在路徑最優化的情況下也難以凸顯優勢，對后續螞蟻的吸引力明顯不足[9]。針對該問題，在改進蟻群算法中應考慮到路徑吸引力情況，因此本文通過對信息素更新方式進行改進，在每次迭代結束后可以按照公式（4）的內容做處理。

在公式（4）中，τij(L)代表從i點到j點的信息迭代更新結果；為歷史迭代最優值；Ln為本次迭代最優值；h為可調節系數。

按照公式（4）的相關內容，在每次螞蟻迭代完成后，假設αL＞Ln，則證明本次迭代的路徑更短，所以需要強化本次迭代信息素強度，并在物流機器人中保留本次路徑；若αL＜Ln，證明本次迭代所發現的路徑并不是最優值，需要減少路徑信息素強度[10]。

2.應用實例分析

本文以某倉庫為研究對象，使用柵格法建模后，物流機器人需要從左上角的“訂單區”出發，達到右下方的“接貨區”。本次改進螞蟻算法的主要目的，是使物流機器人在運輸期間尋找到一條最優化的路徑。

2.1 仿真實驗

為了更好地了解改進蟻群算法在優化物流機器人工作路徑中的價值，本文選擇Matlab 2016仿真平臺開展實驗，設置最大循環次數為50，螞蟻數量50，通過仿真的方法比較常規蟻群技術與改進蟻群技術的應用效果，本次研究中將在相同環境下，分別設置20×20、30×30兩種柵格環境，以黑色來模擬物流倉庫內的障礙物，比較兩種技術的實施效果。

2.2 在20×20柵格下的仿真結果

在本次仿真實驗中，在20×20環境模型下，分別模擬物流機器人在不同算法下的路徑變化情況，則仿真結果如圖1所示。

圖1 在20×20柵格環境下的仿真結果

從圖1的仿真結果可以發現，常規蟻群算法下物流機器人的運動路徑并不是最優的，雖然最終機器人也抵達目的地，但是很明顯不如改進蟻群算法機器人的運動路徑。在詳細對比地圖仿真結果后，發現改進算法下的物流機器人的運行情況更滿意。

2.3 在30×30柵格地圖下的仿真結果

為進一步分析改進蟻群算法與常規算法在全局條件下的檢索能力，本文在30×30條件下對蟻群算法進行了比較，從本文的比較結果來看，常規算法與改進算法下機器人的運行路徑存在差異，相關資料如圖2所示。

圖2 在30×30柵格條件下物流機器人的運動軌跡

在比較圖2相關資料后可以發現，兩種算法都在復雜的物流運輸環境下尋找到一種路徑，但是與改進算法相比，常規算法下的路徑過于曲折，存在較多彎路，而改進算法下物流機器人的運動路徑較更加滿意。

3.結語

蟻群算法在物流機器人運動路徑規劃中發揮著重要作用，而針對常規技術的缺陷，本文提出了改進蟻群算法，根據案例的仿真結果可知，本文所提出的改進算法具有技術可行性，能夠保障物流機器人在正確的路徑下運行，提高了工作效率，與常規蟻群算法相比具有明顯優勢，值得推廣。