计算机工程与应用

作者：李艳, 廖张浩, 李明辉

单位：1.陕西科技大学 电气与控制工程学院，西安 710021；2.陕西科技大学 机电工程学院，西安 710021；

关键词：路径规划,蚁群算法,强化学习,伪随机状态转移,死锁,多策略信息素更新

基金：陕西省重点研发计划项目（2023-YBGY-277）；咸阳市重点研发计划项目（L2025-ZDYF-NYHG-002，L2025-ZDYF-GDZB-001）。

针对蚁群算法在路径规划中存在的搜索效率低、易陷入死锁及局部最优等问题，提出了一种融合强化学习机制的改进蚁群算法。利用Q-Learning对环境进行探索，并将训练得到的Q表转换为非均匀初始信息素分布，从而有效减少算法初期的盲目搜索。在状态转移概率中联合引入角度启发函数与优化后的距离启发函数，既增强了路径选择的方向性，又有效降低了死锁概率。设计自适应伪随机状态转移策略，根据最优与最差路径的相似度动态调整阈值，提高算法的全局探索能力。提出基于奖惩机制的多策略信息素更新方法，有效强化优质路径、抑制劣质路径，并对死锁路径的信息素衰减，进一步减少死锁蚂蚁数量。在不同规模的栅格地图以及ROS环境下的仿真实验结果表明所提出的算法在收敛速度、全局搜索能力和算法稳定性方面均优于传统蚁群算法和其他对比算法。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期