基于MATLAB的机器人路径规划算法测试异常结果问询

仿真系统与算法框架 #

近期开发了基于MATLAB的仿真系统，用于评估机器人路径规划算法。机器人运行在单向轨道网络中，每台机器人执行任务前会计算从起点到终点的单一路径。目标场景为数百至数千台机器人（1000-2000台）并发运行，核心需求是设计平衡流量效率与动态拥塞缓解的算法，让机器人绕开拥堵路段且不显著降低整体性能。

算法以改进迪杰斯特拉为基础，融入蚁群优化（ACO）启发的信息素机制：图中每条边设初始信息素值，机器人经过时信息素衰减，所有边的信息素定期补充以模拟挥发与恢复，衰减和恢复过程设上下限（下限固定为0），衰减幅度、恢复速率和上限为可调参数。

算法变体设计 #

基于上述框架，修改了迪杰斯特拉算法中邻接节点评估的代价计算公式，变体伪代码如下：

% d 为起点到当前节点i的距离；

neighbors = map.graphGetAllNodeTo(u);
for n = 1:length(neighbors)
   j = neighbors{n};        
   weight = map.edges.(i).(j);  % 边ij的距离
   ed = map.getEuclideanDistance(i, node_destination);  % 节点i到终点的欧氏距离
   % alg1，标准迪杰斯特拉算法
   new_dist = d + weight;
   % alg2
   new_dist = (d + weight + ed)/(1 + edge_ij.pheromone_current);
   % alg3，lambda=2为调整系数
   new_dist = d + ed + weight * (1 - edge_ij.pheromone_current /edge_ij.pheromone_max)^lambda;
   % alg4，lambda=2、alpha=1.2为调整系数
   new_dist = d + ed + weight * (1 + alpha*(1 - edge_ij.pheromone_current  / edge_ij.pheromone_max)^obj.lambda); 

   % 若找到更短路径则记录
   index_node_to = find(strcmp(node_list, j));
   if new_dist < dist(index_node_to)
      if ~obj.hangerCheckFormCycle(u, j, node_list, prev)  % 防止形成环路
         dist(index_node_to) = new_dist;
         prev{index_node_to} = i;
         heap{end+1} = {new_dist, node_list{index_node_to}}; 
      end
   end
end

实验设置与结果异常 #

实验固定所有条件：随机种子、每个起点最多生成300台机器人、机器人调度间隔、起点-终点对集合。仿真在所有机器人到达终点后终止，记录两个指标：1. 所有机器人的平均旅行时间；2. 总仿真时长。

每种算法进行10次试验取平均值，结果与预期相悖：

• 从仿真动态看，alg3和alg4表现更符合预期：优先将机器人分配到最短路径，接近拥塞阈值时才分流少量机器人到备选路径，平均旅行时间与标准迪杰斯特拉算法接近；alg2存在不良行为，机器人先聚集在单条边上，随后突然批量切换到另一条边。
• 但alg3和alg4的总仿真时长远长于alg2，直觉上更短的平均旅行时间应对应更快的整体流量完成速度，无法解释该矛盾。
• 另一个困惑点：每个起点每3秒调度一台机器人，直至达到300台上限，alg2的仿真时长却未超过900秒（300台×3秒间隔），不符合预期逻辑。

希望得到针对这些异常的见解或建议。

内容的提问来源于stack exchange，提问作者CangWangu