1.基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，包括以下步骤：S1，环境建模；

采用栅格法对机器人的运动空间进行环境建模，利用栅格坐标表示机器人的起点位置、终点位置；

S2，采用改进蚁群算法寻找环境最优路径，具体如下所示：

S21，初始化蚁群算法中的参数，包括设置栅格的初始信息素浓度、蚁群算法的迭代次数、蚂蚁的数量、启发式因子、信息素因子以及信息素的挥发系数；

S22，蚁群算法的本次迭代中，将M只蚂蚁放置于机器人起点位置，将起点位置加入禁忌表中；

S23，根据各个蚂蚁的当前栅格的位置，结合转向角度和方向信息，对于各个蚂蚁，分别计算蚂蚁从当前栅格到下一栅格集合中的各个栅格的启发式信息；

与当前栅格相邻的各个栅格构成下一栅格集合，且下一栅格集合中不包括禁忌表中的栅格；

S24，根据蚂蚁从当前栅格到下一栅格集合中的各个栅格的启发式信息，以及根据当前栅格到下一栅格集合中的各个栅格的信息素浓度，计算蚂蚁从当前栅格转移到下一栅格集合中的各个栅格的概率；根据蚂蚁从当前栅格转移到下一栅格集合中的各个栅格的概率，确定下一栅格；并将当前栅格加入到禁忌表中，更新禁忌表；

S25，按照步骤S23和步骤S24的方式，确定各个蚂蚁的路径，即，在各个蚂蚁的行走过程中，依次确定从当前栅格所转移至的下一栅格，形成各个蚂蚁的路径；

判断所有的蚂蚁是否均到达终点位置；若是，记录每只蚂蚁走过的路径、路径长度以及转弯次数；若否，则返回步骤S22继续执行；

S26，根据各个蚂蚁走过的路径、路径长度以及转弯次数，对各个蚂蚁走过的路径分别进行评价，评价出最优路径，并对各个蚂蚁走过的路径中从当前栅格到下一栅格的信息素增量进行计算；

S27，根据各个蚂蚁走过的路径中从当前栅格到下一栅格的信息素增量，对当前栅格到下一栅格集合中的各个栅格的信息素浓度进行更新；

S28，判断是否完成预设的迭代次数，若是，则输出步骤S26所评价出的最优路径；若否，则返回步骤S22，并根据步骤S27所更新得到的当前栅格到下一栅格集合中的各个栅格的信息素浓度，继续执行蚁群算法的下一次迭代；

S3，将步骤S2输出的最优路径作为移动机器人规划的最优路径；

步骤S23中，第m只蚂蚁在t时刻从栅格i即当前栅格到栅格j即下一栅格集合中的栅格的启发式信息 的计算方式，如下所示：公式1、2、3中，

表示第m只蚂蚁在t时刻从栅格i到栅格j的转向角度；m＝1,2,3…M；

表示第m只蚂蚁在t时刻从栅格p即前一栅格到栅格i的转向标号； 表示第m只蚂蚁在t时刻从栅格i到栅格j的转向标号；

表示第m只蚂蚁在t时刻从栅格i到栅格j的方向信息，引导蚂蚁向终点方向的邻接栅格移动；

dij表示栅格i到栅格j的距离；dig表示栅格i到栅格g即终点栅格的距离；

表示第m只蚂蚁在t时刻从栅格i到栅格j的启发式信息。

2.根据权利要求1所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，步骤S24中，第m只蚂蚁在t时刻从当前栅格即栅格i到下一栅格集合中的栅格即栅格j的概率 的计算方式，如下所示：公式4中，τij(t)表示t时刻从栅格i到栅格j的信息素浓度； 表示第m只蚂蚁在t时刻从栅格i到栅格j的启发式信息；参数α为信息素因子，参数β为启发式因子；allowedm表示t时刻位于栅格i的第m只蚂蚁的下一栅格集合；τis(t)表示t时刻从栅格i到栅格s的信息素浓度； 表示第m只蚂蚁在t时刻从栅格i到栅格s的启发式信息；s∈allowedm； 表示第m只蚂蚁在t时刻从栅格i到栅格j的概率；m＝1,2,3…M。

3.根据权利要求1或2所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，步骤S24中，根据蚂蚁从当前栅格转移到下一栅格集合中的各个栅格的概率，通过轮盘赌法确定蚂蚁所转移的下一栅格。

4.根据权利要求1所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，步骤S26中，利用路径评价函数Sm对蚂蚁走过的路径进行评价，路径评价函数Sm如下所示：Sm＝xLm+yTm    公式5

公式5中，Sm为第m只蚂蚁走过的路径的评价函数，且评价函数Sm的值越小，所对应的路径越优；Lm为第m只蚂蚁走过的该路径的路径长度；Tm为第m只蚂蚁走过的该路径上的转弯次数；x和y分别为路径长度Lm和转弯次数Tm的调节系数；m＝1,2,3…M；

第m只蚂蚁从栅格i到栅格j的信息素增量 的计算方式，如下所示：

公式6中，Q表示信息素强度，为常量；visitedm表示蚂蚁走过的路径的栅格集合；(i,j)∈visitedm表示栅格i和栅格j分别为蚂蚁走过的路径中的当前栅格和下一栅格； 表示第m只蚂蚁从栅格i到栅格j的信息素增量。

5.根据权利要求1所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，步骤S27中，栅格i到栅格j的信息素浓度的更新方式如下所示：τij(t+1)＝(1‑ρ)·τij(t)+Δτij；    公式8公式7、8中，Δτij表示从栅格i到栅格j的信息素总增量； 表示在第m只蚂蚁从栅格i到栅格j的信息素增量；ρ表示信息素的挥发系数，ρ∈(0,1)；τij(t)表示t时刻从栅格i到栅格j的信息素浓度；τij(t+1)表示更新后得到的t+1时刻从栅格i到栅格j的信息素浓度；m＝

1,2,3…M。

6.根据权利要求5所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，对当前时刻即t时刻从栅格i到栅格j的信息素浓度进行限制，具体方式如下所示：公式9中，τmax和τmin分别为信息素浓度的上限值和下限值。

7.根据权利要求1所述的基于平滑因素改进蚁群算法的移动机器人路径规划方法，其特征在于，步骤S1中，将障碍物位置也用栅格坐标进行表示；在步骤S22中，还将障碍物位置加入禁忌表中。