差分变异和领地搜索的平衡优化算法及其机器人路径规划

摘要：

平衡优化EO算法是最近提出的一种优秀元启发式算法,但在解决复杂优化问题时存在搜索能力不足、可操作性差和搜索效率低等问题.因此,提出了一种改进的EO,即差分变异和领地搜索的EO——DTEO.首先,提出一种融合领地搜索的差分扰动策略用于最优粒子的浓度更新.然后,提出了一种精英与最差粒子差分变异策略来强化最差个体.最后,提出一种信息共享的差分变异策略和简化EO中的新解产生方式,并将二者动态融合用于其它粒子浓度的更新,以提高算法的可操作性和搜索能力,并缩短运行时间.CEC2014复杂函数测试集上的优化实验结果表明,与EO及其他优秀算法相比,DTEO搜索能力更强、效率更高和可操作性更强.DTEO应用机器人路径规划的实验结果也表明,DT-EO具有更强的竞争性.

关键词：优化方法、元启发式算法、平衡优化算法、差分变异、机器人路径规划

所属期刊栏目：45

分类号：TP181(自动化基础理论)

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2078-2090