科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统灰狼算法求解移动机器人路径规划问题收敛效率低且易陷入局部极值的缺陷，提出一种基于Tent混沌映射初始化种群的改进灰狼(TGWO)算法，并将其运用于解决移动机器人全局路径规划问题。基于Tent混沌映射初始化灰狼种群，以丰富种群多样性，提高收敛速度；提出指数型收敛因子改进策略，以更好地拟合灰狼实际搜索过程，并通过改进控制参数H以平衡算法的全局勘探与局部开发能力；融合动态权重因子和适应度比例系数，更新灰狼个体的位置信息，以提高灰狼个体自主搜索能力，避免算法陷入局部最优。为验证算法有效性，选用8个标准测试函数以及3组复杂度不同的栅格环境，先后开展了TGWO算法与传统GWO算法、3种典型改进灰狼算法的测试对比实验以及全局路径规划仿真对比实验。结果表明：TGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度；仿真场景下，相较于传统GWO算法，TGWO算法所提的各个改进策略均能有效提升路径寻优性能；TGWO算法的平均路径长度、路径长度标准差、平均迭代次数、平均寻优耗时这4项指标均优于对比算法；TGWO算法路径寻优的优越性和鲁棒性得到了验证。
- 单位
