基于改进灰狼优化算法的移动机器人路径规划方法
甘福宝,王仲阳,连寅行,张少文,兰世豪
安徽理工大学
2024-08-22
提出基于改进灰狼优化(IGWO)算法的移动机器人路径规划方法。首先,将均匀分布空间与伪反向学习策略相结合,进行灰狼种群初始化;其次提出非线性收敛因子改进策略,使算法的前段搜索和后段寻优过程更容易得到平衡;接着,融合布谷鸟搜索(CS)算法搜索机制,更新灰狼个体位置,提高算法的全局寻优能力;最后,选用4个标准测试函数进行改进前后的测试对比实验,以及在栅格地图上进行路径规划仿真对比实验。实验结果表明,IGWO算法在测试函数上表现能更快收敛性、寻优结果更精确;路径规划仿真实验结果表明,IGWO算法的最短路径长度、平均路径长度、路径长度标准差均优于传统GWO算法。
  • 机器人
  • 算法
被引用: 386次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、GWO算法

  • 2、IGWO算法

    • 2.1 种群初始化

    • 2.2 非线性收敛因子改进策略

    • 2.3 引入CS算法改进位置更新策略

    • 2.4 算法流程及步骤

  • 3、仿真实验结果与分析

    • 3.1 标准测试函数实验

    • 3.2 路径规划仿真实验

  • 4、结论

核心点推荐
  • 灰狼优化算法
  • 移动机器人
  • 路径规划
  • 非线性收敛因