文章导读

在智能制造、无人配送、智能巡检等场景快速普及的今天，移动机器人已成为支撑智慧物流与自动化作业的核心装备。而路径规划作为机器人自主导航的“大脑”，直接决定其能否高效避障、快速寻路、平稳运行。传统蚁群算法虽被广泛应用，但在复杂栅格环境中，常面临收敛慢、易陷入局部最优、路径曲折不平滑等痛点，难以满足高动态、高精度的实时导航需求。

近日，重庆大学团队在Applied Sciences 发表最新研究，提出一种自适应风险感知双向更新蚁群算法 (SAR-BACO)，有效改善传统算法缺陷。在50×50的复杂栅格地图中，该算法相较基础蚁群算法，路径长度缩短60.68%，收敛迭代次数降低48.96%，拐点减少96.00%，为移动机器人全局路径规划提供了更高效、更稳定的通用解决方案。

SAR-BACO总体流程图

传统蚁群算法的三大难题

经典蚁群优化 (ACO) 模拟蚂蚁觅食行为，依靠信息素正反馈实现路径迭代优化，在组合优化与机器人路径规划中具备天然优势。但在实际栅格地图导航中，其固有的设计缺陷会显著限制性能：

第一，启发信息单一，早期搜索盲目。传统算法仅依赖欧氏距离或曼哈顿距离作为启发引导，忽略障碍物分布、目标引力与方向一致性，导致机器人在复杂障碍区频繁绕路、随机游走，收敛速度难以满足实时导航要求。

第二，信息素更新机制静态僵化。固定的信息素挥发系数与全局更新规则，难以平衡“探索新路径”与“利用优质路径”。挥发过快会导致优质路径信息素不足，易陷入局部最优；挥发过慢则种群多样性快速下降，引发早熟收敛。

第三，路径平滑度不足，执行性差。栅格规划生成的原始路径包含大量冗余转向点与折角，不符合非完整约束机器人运动特性，会导致速度频繁波动、能耗增加、控制稳定性下降。

针对上述痛点，本文作者团队构建了“复合启发信息、双向动态信息素更新、三角不等式剪枝”于一体的统一框架，实现从“能走通”到“走得短、走得快、走得顺”的跨越。

三大创新升级，打造更强蚁群导航算法

1. 增强启发信息

作者首先设计了一套复合增强启发函数，把四个关键因素结合起来：随迭代变化的自适应权重，前期帮着多探索、后期加速收敛；目标引力项让蚂蚁“认准终点”；方向一致性项减少无效转弯；还有障碍物密度项，主动远离危险区域。这套组合设计，让蚂蚁在复杂环境里不再盲目乱撞，而是方向清晰、安全顺畅地快速找到最优路径。

2. 双向信息素更新：强化最优+惩罚最差

传统算法仅做正向信息素沉积，往往让某一条路“一家独大”，算法就停滞不前了。作者设计了双向自适应信息素更新：既保留蒸发机制弱化旧路径，又给全局最优、本轮最优路径“加高分”，同时对差路径“打低分”，做到奖优罚劣。再配上随迭代调整的权重，前期保持多样性不跑偏，后期快速收敛。这样一来，算法既不容易“钻牛角尖”，又能稳稳逼近最优解。

3. 三角剪枝后处理：一键“拉直”路径

本文采用的三角剪枝策略，是专门用来优化蚁群算法路径的轻量后处理方法。它基于几何三角不等式原理，检查连续路径点之间是否存在障碍物，直接删除多余的中间拐点，把曲折、破碎的路线拉直、变平滑。在不增加搜索成本的前提下，进一步缩短路径长度、提升平滑度，让路径更贴合机器人运动学约束。

实验验证：三大尺度地图全面领先

团队在20×20、30×30、50×50三种典型栅格环境中开展对比实验，障碍密度为25%–30%，以路径长度、收敛迭代数、转向点数量、运行时间为核心指标，并与基础蚁群及同类型启发改进算法对标。

结果显示：

20×20地图：SAR-BACO仅需约3次迭代即可收敛，远快于传统ACO的近60次；

30×30地图：路径长度降低47.74%，转向点减少76.92%；

50×50地图：路径长度下降超60%，转向点降幅高达96%，运行效率提升33%以上。

团队进一步在ROS/Gazebo机器人仿真平台开展实测，结果同样表明SAR-BACO生成路径更短、更平滑，运行耗时更低，具备良好的工程落地潜力。经统计学检验，各项提升均具备高度显著性。

潜在应用与未来方向

移动机器人自主导航的核心竞争力，在于高效、稳定、可执行的路径规划能力。重庆大学团队提出的SAR-BACO算法，通过启发信息重构、双向信息素调控与几何剪枝的系统性创新，全面提升蚁群算法的路径质量、收敛速度与平滑性，为无人车、服务机器人、智能仓储等装备提供了更强大的寻路方案。

随着算法持续迭代与硬件部署推进，这项技术有望将算法从静态环境扩展到动态环境，进一步走向真实场景，让机器人更聪明、更高效地穿行于复杂环境。最终可将模型部署到实体机器人平台，并拓展到多机器人协同路径规划场景，为智能制造与智慧生活注入新动力。

阅读英文原文：https://www.mdpi.com/2076-3417/16/6/2870

• Applied Sciences 期刊介绍

主编：Giulio Nicola Cerullo, Politecnico di Milano, Italy

期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。

2024  Impact Factor：2.5

2025 CiteScore：6.1

Time to First Decision：16 Days

Acceptance to Publication：2.6 Days

期刊主页：https://www.mdpi.com/journal/applsci

支持单位：