对蚁群算法迭代次数多、收敛速度慢提出了改进。针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数。第40卷第6期2018-06【101】(7)式中，k表示当前迭代次数，K表示迭代总次数；本文取式(6)中A=3、B=1、ε=1而式(7)中C=3、D=6、θ=1。也可按需求适当调整。2.2ρ信息素挥发系数函数在信息素的积累过程中，信息素挥发系数占有重要作用。若ρ过大，会降低算法的全局搜索能力；若ρ过小，则收敛速度会降低[14]。将蚁群算法中的其他参数分别取值为：迭代总数K=50，每代出动蚂蚁总数M=80，α=1，β=7。ρ的取值变化与算法性能的关系如表3所示。表3ρ的取值与算法性能的关系信息素挥发系数函数ρρ取值路径长度（cm）运算时间本文由公司网站张家港缩管机网站采集转载中国知网整理!  http://www.suoguanji.cn/（s）迭代次数ρ=0.1不稳定\不稳定ρ=0.2不稳定\不稳定ρ根据分析可知，算法开始时路径上信息素浓度较低，此时ρ应相应取大，使得蚂蚁可以更快的找到较优路径，加快算法收敛速度；随着路径上信息素浓度的不断积累，为了避免陷入局部丢失算法的全局搜索能力，ρ的取值应相应减校为了使算法的全局搜索能力和收敛速度在动态平衡中得到最大程度的优化，本文选用阈值函数对ρ进行动态调整，使其随着迭代次数的改变而改变，ρ的取值为[0.5,0.9]，取式(8)：(8)式中ψ为常数项，λ为改变因子，k为当前迭代次数，K为总迭代次数。选择合适的值，使ρ的取值在[0.5,0.9]中随着迭代的进行而动态减校本文中ψ=1.82，λ=1。3实验3.1二维地图的建立及相关参数设置为了验证本文中算法的有效性，使用matlab2014创建二维静态栅格地图如图1所示。图中黑色栅格表示障碍物，白色栅格表示可选择的节点。通过栅格法进行静态已知环境建模,通过不同规模的路径规划的实验验证了改进后的蚁群算法在寻找最优路径时具有更快的运算速度。 值快速蚁群根算法-数控钢管滚圆机滚弧机张家港液压缩管机数控缩管机滚弧机本文由公司网站张家港缩管机网站采集转载中国知网整理!  http://www.suoguanji.cn/