Q评价蚁群优化算法

参数少，稳定性高

用节点Q值替代信息素更新，降低超参数数量，提升不同规模地图下的搜索稳定性。

Li, Dongdong · 王磊

Engineering Applications of Artificial Intelligence 2025

技术优势

调参负担更小

用节点 Q 值替代信息素更新，去掉了信息素启发因子、期望启发因子、信息素挥发系数等超参数，算法在不同地图尺寸下不需要反复调参就能保持稳定。

计算更快

理论分析和重复实验都表明，IQACO 的时间复杂度比传统 ACO 显著降低，路径规划求解速度更快。

解质量更好

与其他 Q-learning 增强的 ACO 变体相比，IQACO 在解质量、收敛稳定性和实时性方面都表现出优势。

应用场景

• 移动机器人路径规划：移动机器人可以直接调用 IQACO 进行路径规划，在不同尺寸地图上无需过多调参，降低部署成本。
• 具身智能导航：IQACO 降低超参数数量，在具身智能导航中能减少调参时间，更快适应新环境。
• 工业机器人路径优化：在工业机器人路径优化中，IQACO 的时间复杂度更低，能更快给出规划结果。
• 无人机路径规划：无人机路径规划中，IQACO 在不同地图尺寸下稳定性好，减少因环境变化导致的性能波动。
• 无人系统协同导航：无人系统协同导航中，IQACO 的实时性优势有助于快速响应协同规划需求。