基于改进粒子群蜣螂算法的机器人路径规划研究

【摘要】 在机器人路径规划中，粒子群算法（Particle Swarm Optimization,PSO）是一种常用的算法。然而在迭代后期粒子群算法会出现粒子多样性下降和易陷入局部最优解的情况。为解决以上问题，本文提出了一种改进的粒子群蜣螂算法。建立栅格地图模型对机器人进行路径规划，在粒子群算法中加入动态非线性调整惯性权重系数，引入惩罚系数来建立适应度函数，并与引入了莱维飞行进行改进的蜣螂算法相结合，以增强算法的搜索能力。试验仿真结果表明，与已有的粒子群算法相比，本文提出的改进粒子群蜣螂算法适用性更强，能够找到更短的最优路径。更多还原