10.19287/j.mtmt.1005-2402.2022.07.005
基于多元策略改进的灰狼算法机器人路径规划
针对传统灰狼算法(grey wolf algorithm,GWO)在进行机器人路径规划时易陷入局部极值、探索效率低等不足,提出了一种多元策略改进的灰狼算法.首先针对领导狼在算法中存在的缺陷,提出了一种随机游走策略,从而提升算法的全局搜索能力.同时,在搜索阶段引入一种基于凸透镜原理的逆学习机制,对种群中的劣势个体进行逆向学习,从而提高狼群个体的搜索范围,避免算法陷入局部最优.最后,为提升路径平滑性,采用B-spline曲线对路径进行平滑操作.仿真结果表明,在普通环境及陷阱环境下改进的灰狼算法较传统灰狼算法,规划的全局最优路径各项性能更优,更有利于机器人完成作业任务.
灰狼算法、随机游走策略、透镜逆学习、移动机器人、路径规划
TP242(自动化技术及设备)
2022-07-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
28-33