融合改进灰狼优化算法和人工势场法的路径规划

摘要：

传统灰狼优化算法(GWO)规划的路径全局较优,但存在求解效率低和易陷入局部最优的缺陷,而人工势场法(APF)规划的路径虽然平滑,但有规划路径存在震荡和目标不可达的问题.针对两种算法的不同缺陷,提出一种兼顾全局和局部特性的算法-灰狼势场算法(GWPFA).首先,提出一种建立特征栅格地图的新方法;其次,通过设置灰狼个体的相对距离d和调节因子λ,将参数a改进成非线性衰减;再次,提出节点优先级的概念,根据此概念重新对路径规划问题进行建模;最后,将改进GWO算法全局路径规划的节点作为APF算法的临时目标点,并改进临时目标点为临时边界,再进行局部路径规划.仿真结果表明,在全局静态环境下,GWPAF算法的运行时间、最优路径长度及转弯角度相比于GWO算法分别优化了 224.5 s、16.3 m及38.9°;在局部动态环境下,GWPFA算法在保证路径最优性的同时可以成功避障.仿真结果验证了 GWPFA算法的有效性、可行性及优越性.

关键词：特征栅格、相对距离、调节因子、节点优先级、临时边界

所属期刊栏目：45

分类号：TP242(自动化技术及设备)

资助基金：云南省重点研发计划项目202002AC080001

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：43-53