差分变异和领地搜索的平衡优化算法及其机器人路径规划

作者：张贝; 闵华松; 张新明

来源：计算机工程与科学, 2023, 45(11): 2078-2090.

DOI：10.3969/j.issn.1007-130X.2023.11.019

• 优化方法
• 元启发式算法
• 平衡优化算法
• 差分变异
• 机器人路径规划

平衡优化EO算法是最近提出的一种优秀元启发式算法，但在解决复杂优化问题时存在搜索能力不足、可操作性差和搜索效率低等问题。因此，提出了一种改进的EO,即差分变异和领地搜索的EO——DTEO。首先，提出一种融合领地搜索的差分扰动策略用于最优粒子的浓度更新。然后，提出了一种精英与最差粒子差分变异策略来强化最差个体。最后，提出一种信息共享的差分变异策略和简化EO中的新解产生方式，并将二者动态融合用于其它粒子浓度的更新，以提高算法的可操作性和搜索能力，并缩短运行时间。CEC2014复杂函数测试集上的优化实验结果表明，与EO及其他优秀算法相比，DTEO搜索能力更强、效率更高和可操作性更强。DTEO应用机器人路径规划的实验结果也表明，DTEO具有更强的竞争性。

• 单位
  武汉科技大学; 河南师范大学