智能导航新方案：自适应双向蚁群算法实现优质路径规划 | MDPI Applied Sciences

本文针对移动机器人在复杂栅格环境中路径规划时，传统蚁群算法存在的收敛慢、易陷入局部最优、路径不平滑等问题，提出了一种自适应风险感知双向更新蚁群算法（SAR-BACO）。研究背景是智能制造、无人配送等领域对高效路径规划算法的迫切需求。研究目的是改善传统蚁群算法的性能，使其能生成更短、更平滑、收敛更快的全局路径。结论表明，在50×50的复杂栅格地图中，SAR-BACO算法相比基础蚁群算法，路径长度缩短60.68%，收敛迭代次数降低48.96%，拐点减少96.00%。该算法通过复合增强启发函数、双向自适应信息素更新和三角剪枝后处理三大创新，有效提升了路径规划的质量与效率，具有很高的工程应用潜力。