基于改进蚁群算法的混凝土机器人路径规划

doi:10.12422/j.issn.1672-6952.2026.01.010

辽宁石油化工大学学报 ›› 2026, Vol. 46 ›› Issue (1): 81-87.DOI: 10.12422/j.issn.1672-6952.2026.01.010

基于改进蚁群算法的混凝土机器人路径规划

姜涛¹(), 许素娟², 郎宪明²(), 王怀东³, 曹江涛²

^1.中铁九局集团第四工程有限公司，辽宁沈阳 110013
^2.辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001
^3.中铁九局集团有限公司，辽宁沈阳 110013

收稿日期:2025-08-20 修回日期:2025-10-22 出版日期:2026-02-25 发布日期:2026-02-05
通讯作者: 郎宪明
作者简介:姜涛（1973-），男，高级工程师，从事智能机器人路径规划方面的研究；E⁃mail：447608207@qq.com。
基金资助:
国家自然科学基金面上项目(62073158);辽宁省自然科学基金计划面上项目(2023?MS?289);辽宁省教育厅基本科研项目(JYTMS20231441)

Improved Ant Colony Algorithm⁃Based Concrete Robot Path Planning

Tao JIANG¹(), Sujuan XU², Xianming LANG²(), Huaidong WANG³, Jiangtao CAO²

^1.China Railway No. 9 Group Fourth Engineering Co. ，Ltd. ，Shenyang Liaoning 110013，China
^2.School of Information and Control Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China
^3.China Railway No. 9 Group Co. ，Ltd. ，Shenyang Liaoning 110013，China

Received:2025-08-20 Revised:2025-10-22 Published:2026-02-25 Online:2026-02-05
Contact: Xianming LANG

摘要/Abstract

摘要：

针对混凝土机器人在复杂施工环境下路径规划存在收敛速度慢、易陷入局部最优和路径冗余的问题，提出了一种基于改进蚁群算法的混凝土机器人路径规划优化方法。首先，构建新的信息素更新规则，并引入事后经验回放算法设置伪目标点，用于解决传统蚁群算法收敛速度慢和易陷入局部最优的问题；其次，引入了新的障碍物启发因子，以提高传统蚁群算法的避障能力；最后，针对传统蚁群算法路径冗余的问题，引入曲线平滑函数去除冗余节点以提高路径质量。仿真实验结果表明，改进的蚁群算法在最短路径长度、拐点数量和最佳迭代次数方面具有较好的有效性和稳定性。

关键词: 混凝土机器人, 路径规划, 蚁群算法, 伪目标点, 事后经验回放算法

Abstract:

To address the challenges of slow convergence, susceptibility to local optima and path redundancy in the path planning of concrete pouring robots in complex construction environments, an improved ant colony algorithm?based path planning optimization method for concrete robots is proposed. First, a new pheromone update mechanism is formulated and the hindsight experience replay (HER) algorithm is applied to define pseudo?target points, thereby addressing the slow convergence and local optimum entrapment issues of conventional ant colony algorithm (ACO). Second, a new obstacle heuristic factor is designed to improve the obstacle avoidance ability of the traditional ant colony algorithm.Third, to solve the limitation of path redundancy in the traditional ant colony algorithm, a curve smoothing function is introduced to eliminate redundant nodes and improve the path quality. Simulation experiments show that the algorithm proposed in this paper has good effectiveness and stability in terms of the shortest path length, the number of turning points and iteration efficiency.

Key words: Concrete robot, Path planning, Ant colony algorithm, Pseudo?target points, Hindsight experience replay

中图分类号:

TP242.2

姜涛, 许素娟, 郎宪明, 王怀东, 曹江涛. 基于改进蚁群算法的混凝土机器人路径规划[J]. 辽宁石油化工大学学报, 2026, 46(1): 81-87.

Tao JIANG, Sujuan XU, Xianming LANG, Huaidong WANG, Jiangtao CAO. Improved Ant Colony Algorithm⁃Based Concrete Robot Path Planning[J]. Journal of Liaoning Petrochemical University, 2026, 46(1): 81-87.

图/表 7

图1 混凝土机器人的实物图

Fig.1 Physical drawing of concrete robot

图2 混凝土机器人栅格地图

Fig.2 Concrete robot grid map

图3 改进蚁群算法流程图

Fig.3 Flowchart of the improved ant colony algorithm

表1 仿真实验参数设置

Table 1 Simulation experiment parameter settings

参数	数值
最大迭代次数	150
蚂蚁个数	30
信息素重要因子	1
启发式重要因子	5
信息素强度	100
局部信息素挥发系数	0.6
$ρ m a x$	0.9

表1 仿真实验参数设置

Table 1 Simulation experiment parameter settings

参数	数值
最大迭代次数	150
蚂蚁个数	30
信息素重要因子	1
启发式重要因子	5
信息素强度	100
局部信息素挥发系数	0.6
$ρ m a x$	0.9

图4 五种算法的路径规划结果

Fig.4 The path planning results of five algorithms

图5 五种算法的收敛曲线

Fig.5 The convergence curves of five algorithms

表2 五种算法的仿真数据对比

Table 2 Comparison of simulation data for five algorithms

算法	最短路径长度/cm	拐点数量	最佳迭代次数	运行时间/s
蚁群算法	50.2	27	69	7.80
文献[27]算法	44.2	21	58	6.28
文献[28]算法	48.0	20	100	6.35
文献[29]算法	48.1	20	39	6.25
本文算法	47.7	19	52	6.23

参考文献 29

[1]	QIN H W，SHAO S L，WANG T，et al.Review of autonomous path planning algorithms for mobile robots［J］.Drones，2023，7（3）：211.
[2]	杨闰，李婧如，贾志昆，等.基于可操作度的移动作业机器人多目标路径规划方法［J］.控制与决策，2024，39（10）：3243⁃3252.
	YANG R，LI J R，JIA Z K，et al.Multi⁃targets path planning method for mobile manipulators based on manipulability［J］.Control and Decision，2024，39（10）：3243⁃3252.
[3]	王旭，朱其新，朱永红.面向二维移动机器人的路径规划算法综述［J］.计算机工程与应用，2023，59（20）：51⁃66.
	WANG X，ZHU Q X，ZHU Y H.Review of path planning algorithms for mobile robots［J］.Computer Engineering and Applications，2023，59（20）：51⁃66.
[4]	欧阳明达，马越原.基于改进A*算法的水下重力匹配导航路径规划［J］.地球物理学报，2020，63（12）：4361⁃4368.
	OUYANG M D，MA Y Y.Path planning for gravity aided navigation based on improved A* algorithm［J］.Chinese Journal of Geophysics，2020，63（12）：4361⁃4368.
[5]	ZHU D D，SUN J Q.A new algorithm based on dijkstra for vehicle path planning considering intersection attribute［J］.IEEE Access，2021，9：19761⁃19775.
[6]	YU L W，HAN J G，MA B W，et al.Integration of improved APF and RRT algorithms for enhanced path planning in mobile robotics［J］.Measurement and Control，2024，58（4）：427⁃434.
[7]	潘玉恒，陶艺鑫，鲁维佳，等.基于分层监测域人工势场法的无人驾驶车辆路径规划［J］.计算机集成制造系统，2024，30（5）：1908⁃1918.
	PAN Y H，TAO Y X，LU W J，et al.Path planning of unmanned vehicle based on artificial potential field method of layered monitoring domain［J］.Computer Integrated Manufacturing Systems，2024，30（5）：1908⁃1918.
[8]	GUO H，MAO Z Y，DING W J，et al.Optimal search path planning for unmanned surface vehicle based on an improved genetic algorithm［J］.Computers and Electrical Engineering，2019，79：106467.
[9]	LI G X，LIU C，WU L，et al.A mixing algorithm of ACO and ABC for solving path planning of mobile robot［J］.Applied Soft Computing，2023，148：110868.
[10]	刘志华，张冉，郝梦男，等.基于改进T分布烟花⁃粒子群算法的AUV全局路径规划［J］.电子学报，2024，52（9）：3123⁃3134.
	LIU Z H，ZHANG R，HAO M N，et al.AUV global path panning based on improved T⁃distribution fireworks⁃particle swarm optimization algorithm［J］.Acta Electronica Sinica，2024，52（9）：3123⁃3134.
[11]	薛阳，倪大斌，卢秋红，等.基于PGWO算法的移动机器人路径规划［J］.控制与决策，2025，40（4）：1395⁃1401.
	XUE Y，NI D B，LU Q H，et al.Path planning of mobile robot based on PGWO algorithm［J］.Control and Decision，2025，40（4）：1395⁃1401.
[12]	李宪强，马戎，张伸，等.蚁群算法的改进设计及在航迹规划中的应用［J］.航空学报，2020，41（S2）：210⁃216.
	LI X Q，MA R，ZHANG S，et al.Improved design of ant colony algorithm and its application in path planning［J］.Acta Aeronautica Et Astronautica Sinica，2020，41（S2）：210⁃216.
[13]	郭城成，田立勤，武文星.蚁群算法在求解旅行商问题中的应用综述［J］.计算机系统应用，2023，32（3）：1⁃14.
	GUO C C，TIAN L Q，WU W X.Survey on ant colony optimization for solving traveling salesman problem［J］.Computer Systems & Applications，2023，32（3）：1⁃14.
[14]	杨越玲，苏庆辉.基于卷积核改进蚁群算法的移动机器人全局路径规划［J］.自动化与仪器仪表，2025（1）：347⁃354.
	YANG Y L，SU Q H.Global path planning of mobile robot based on convolution kernel improved ant colony algorithm［J］. Automation & Instrumentation，2025（1）：347⁃354.
[15]	SONG Q，ZHAO Q L，WANG S X，et al.Dynamic path planning for unmanned vehicles based on fuzzy logic and improved ant colony optimization［J］.IEEE Access，2020，8：62107⁃62115.
[16]	李涛，赵宏生.基于进化蚁群算法的移动机器人路径优化［J］.控制与决策，2023，38（3）：612⁃620.
	LI T，ZHAO H S.Path optimization for mobile robot based on evolutionary ant colony algorithm［J］.Control and Decision，2023， 38（3）：612⁃620.
[17]	肖金壮，余雪乐，周刚，等.一种面向室内AGV路径规划的改进蚁群算法［J］.仪器仪表学报，2022，43（3）：277⁃285.
	XIAO J Z，YU X L，ZHOU G，et al.An improved ant colony algorithm for indoor AGV path planning［J］.Chinese Journal of Scientific Instrument，2022，43（3）：277⁃285.
[18]	毛文平，李帅永，谢现乐，等.基于自适应机制改进蚁群算法的移动机器人全局路径规划［J］.控制与决策，2023，38（9）：2520⁃2528.
	MAO W P，LI S Y，XIE X L，et al.Global path planning of mobile robot based on adaptive mechanism improved ant colony algorithm［J］.Control and Decision，2023，38（9）：2520⁃2528.
[19]	刘天湖，赖嘉上，孙伟龙，等.基于跳点优化蚁群算法的菠萝田间导航路径规划［J］.农业机械学报，2025，56（4）：387⁃396.
	LIU T H，LAI J S，SUN W L，et al.Navigation path planning of pineapple planting field based on jump point optimized ant colony algorithm［J］.Transactions of the Chinese Society for Agricultural Machinery，2025，56（4）：387⁃396.
[20]	时维国，宁宁，宋存利，等.基于蚁群算法与人工势场法的移动机器人路径规划［J］.农业机械学报，2023，54（12）：407⁃416.
	SHI W G，NING N，SONG C L，et al.Path planning of mobile robots based on ant colony algorithm and artificial potential field algorithm［J］.Transactions of the Chinese Society for Agricultural Machinery，2023，54（12）：407⁃416.
[21]	WANG W J，LI J Y，BAI Z N，et al.Toward optimization of AGV path planning： An RRT*⁃ACO algorithm［J］.IEEE Access，2024，12：18387⁃18399.
[22]	田晓航，霍鑫，周典乐，等.基于蚁群信息素辅助的Q学习路径规划算法［J］.控制与决策，2023，38（12）：3345⁃3353.
	TIAN X H，HUO X，ZHOU D L，et al.Ant colony pheromone aided Q⁃learning path planning algorithm［J］.Control and Decision，2023，38（12）：3345⁃3353.
[23]	唐宏伟，罗佳强，邓嘉鑫，等.基于学习机制蚁群算法的移动机器人路径规划［J］.现代制造工程，2024（12）：48⁃53.
	TANG H W，LUO J Q，DENG J X，et al.Path planning of mobile robot based on learning mechanism ant colony algorithm［J］.Modern Manufacturing Engineering，2024（12）：48⁃53.
[24]	姜佩贺，王敬，桑忠启，等.改进A*与DWA的室内服务机器人路径规划研究［J］.计算机工程与应用，2024，60（15）：327⁃335.
	JIANG P H，WANG J，SANG Z Q，et al.Research on indoor service robot path planning based on improved A* and DWA［J］.Computer Engineering and Applications，2024，60（15）：327⁃335.
[25]	邵琪.移动机器人路径规划智能算法研究［D］.大连：大连交通大学，2023.
[26]	张成，凌有铸，陈孟元.改进蚁群算法求解移动机器人路径规划［J］.电子测量与仪器学报，2016，30（11）：1758⁃1764.
	ZHANG C，LING Y Z，CHEN M Y.Path planning of mobile robot based on an improved ant colony algorithm［J］.Journal of Electronic Measurement and Instrumentation，2016，30（11）：1758⁃1764.
[27]	郭琴，郑巧仙.基于优化蚁群算法的机器人路径规划［J］.湖北大学学报（自然科学版），2023，45（2）：157⁃163.
	GUO Q，ZHENG Q X.Robot path planning based on optimized ant colony algorithm［J］.Journal of Hubei University（Natural Science Edition），2023，45（2）：157⁃163.
[28]	肖鹏，田润澜，李赫，等.基于改进蚁群算法的无人机通信侦察航迹规划［J］.控制与决策，2025，40（11）：3239⁃3252.
	XIAO P，TIAN R L，LI H，et al.UAV communication reconnaissance path planning based on improved ant colony algorithm［J］.Control and Decision，2025，40（11）：3239⁃3252.
[29]	张彪，李永强.基于动态寻优蚁群算法的移动机器人路径规划［J］.仪器仪表学报，2025，46（3）：74⁃85.
	ZHANG B，LI Y Q.Path planning of mobile robot based on the dynamic optimization ant colony algorithm［J］.Chinese Journal of Scientific Instrument，2025，46（3）：74⁃85.

基于改进蚁群算法的混凝土机器人路径规划

Improved Ant Colony Algorithm⁃Based Concrete Robot Path Planning

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 29

相关文章 7

编辑推荐

Metrics

[1]	张健, 金丽娜, 石元博, 马楠楠. 基于改进蚁群算法的移动机器人路径规划[J]. 辽宁石油化工大学学报, 2025, 45(3): 90-96.
[2]	杨静雯, 李涛, 杨欣, 冀明飞. 基于避障路径规划的无人直升机空地跟踪控制[J]. 辽宁石油化工大学学报, 2024, 44(1): 71-79.
[3]	尤田,张威,葛琳琳. 基于GA-PSO算法焊接机器人路径规划研究[J]. 辽宁石油化工大学学报, 2018, 38(02): 85-89.
[4]	方健飞，张威，葛琳琳. 基于避障切换控制的移动机器人路径规划[J]. 辽宁石油化工大学学报, 2017, 37(4): 65-69.
[5]	王小彤,侯立刚,苏成利. 一种改进的蚁群算法求解多维背包问题[J]. 辽宁石油化工大学学报, 2015, 35(4): 53-57.
[6]	王杨. 基于蚁群算法的粗糙集属性约简方法#br#[J]. 辽宁石油化工大学学报, 2009, 29(4): 74-77.
[7]	王艳玲,毕于深. 基于改进多蚁群算法的网络资源负载均衡与优化[J]. 辽宁石油化工大学学报, 2009, 29(2): 75-77.