摘要
针对传统遗传算法在路径规划时易产生不可行路径和陷入局部最优,转折次数太多等缺点,提出一种改进的自适应遗传算法。采用先验知识优化初始种群,得到不包含与障碍物相交的初始种群;设计了交叉和变异概率公式,避免了算法陷入局部最优,以提高收敛速度;在适应度函数中引入路径平滑度和路径最短作为评判标准,使规划的路径更加高效。仿真结果表明:相较于基本算法,改进算法在障碍物个数为20时,路径减少了4.2%;在障碍物为115时,路径减少了25.1%。随着障碍物不断增加,路径减少百分比呈现上升趋势,且算法迭代次数和路径中转折点个数均优于基本遗传算法。
-
单位机电工程学院; 西安工程大学