Application of an improved ACO integrating BFS and Laplacian smoothing strategy in mobile robot path planning
Notice bibliographique
Résumé
Purpose In mobile robot path planning, algorithms such as PSO and GA are widely applied but have issues such as premature convergence and insufficient path smoothness. Although ant colony optimization (ACO) has advantages in path diversity and global search capability, it faces limitations including poor initial guidance, slow convergence, time-consuming computation and excessive redundant turning points. This paper proposes an enhanced ACO integrating multiple improvement strategies to accelerate convergence, improve search efficiency, smooth trajectories and enhance the overall execution efficiency of robots. Design/methodology/approach The method first uses BFS to pre-search a feasible path, which is smoothed and used to enhance pheromone concentration, improving the ants' initial search direction. A Sigmoid dynamic heuristic factor accelerates convergence, while a dynamic pheromone evaporation rate balances global exploration and local exploitation. The pheromone update equation has been improved to prevent the overuse of frequently selected edges, thereby avoiding premature convergence to local optima. Edge usage rate information further balances exploration and exploitation. Finally, Laplacian smoothing is applied to the path to remove discrete points and sharp turns, resulting in a natural and coherent trajectory. Findings Simulations show that the improved ACO outperforms four existing algorithms in convergence speed, number of turning points and path smoothness, confirming its effectiveness in finding optimal and practical trajectories. Practical implications This method holds broad future promise in the field of mobile robotics, enabling intelligent systems to achieve more efficient and safer autonomous navigation across diverse scenarios. By significantly enhancing task execution speed and resource utilization, it lays a solid foundation for the widespread adoption and sustained development of mobile robotics technology. Originality/value This paper introduces a novel integration of BFS-based pre-search with pheromone enhancement, a Sigmoid dynamic heuristic factor, dynamic pheromone evaporation and improved pheromone updating based on edge usage rates, collectively addressing traditional ACO's weaknesses. The application of Laplacian smoothing further refines path quality. These contributions significantly improve converge.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».