基于融合改进人工势场法的自适应RRT*路径规划算法

来源：计算机测量与控制杂志2025年第12期北京时间：

作者：崔春雷,李锋,罗权财,冯建

单位：1.广东交通职业技术学院

摘要：为解决传统RRT类算法在路径规划中收敛速度慢冗余节点多，而人工势场法又易陷入局部最优解的问题，提出一种融合了改进人工势场法(APF)的自适应RRT*路径规划算法。算法对传统APF进行改进，引入障碍物切向力分量，并采用自适应动态调整策略，根据路径扩展难度动态调整切向力的大小，增强了算法逃逸局部最优的能力。设计出随机搜索树扩展的三模式机制，即随机树以概率p1进行APF模式引导的扩展、以概率p2进行RRT*随机采样扩展，以概率p3进行目标偏向扩展，并通过统计窗口内随机树扩展成功率动态调整各模式的概率，确保在复杂环境中能高效收敛，并引入路径节点优化策略，得到相对最优路径。仿真结果显示，算法在简单环境中的性能显著高于RRT类、APF类算法；在复杂环境，算法平均搜索时间、路径长度和转弯次数分别为RRT*算法的62.7%、71.8%和10.5%。算法的时间复杂度与RRT*类量级保持一致，收敛路径长度的标准差显著降低且分布整体偏左侧，呈现长尾特征，表明了算法的高效性、高稳定性和最优路径的高可达性。

关键词：移动机器人;路径规划;快速扩展随机树;局部最优;自适应权重

基金资助：广东省普通高校新一代电子信息重点领域专项（2022ZDZX1058）；广东交通职业技术学院科研项目(GDCP-ZX-2023-003-N1)；广东交通职业技术学院大学生科技创新项目(GDCP-ZX-2023-035-N6)