基于混合灰狼算法的机器人路径规划

摘要：

针对传统灰狼算法GWO优化精度低、易陷入局部最优等不足,构建了混合灰狼算法HG-WO,并将其应用于机器人路径规划RPP问题.HGWO算法采用反向学习方法构建初始灰狼种群,力求提升初始解的质量.同时,算法在个体位置更新方法中融入自身历史信息以指导种群进化,并借助精英反向学习策略探索当前种群优秀解的反向解空间,以增强算法的勘探能力.为确保路径规划的精度并降低求解难度,利用Spline样条插值法拟合路径曲线.最后,进行了函数优化和路径规划的对比实验,实验结果表明,HGWO算法具有良好的求解精度和稳健的鲁棒性.

关键词：机器人路径规划、灰狼算法、反向学习、粒子群算法

所属期刊栏目：42

分类号：TP318(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市科委资助项目

在线出版日期：2020-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1294-1301