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（grey wolf algorithm,GWO）在进行机器人路径规划时易陷入局部极值、探索效率低等不足，提出了一种多元策略改进的灰狼算法。首先针对领导狼在算法中存在的缺陷，提出了一种随机游走策略，从而提升算法的全局搜索能力。同时，在搜索阶段引入一种基于凸透镜原理的逆学习机制，对种群中的劣势个体进行逆向学习，从而提高狼群个体的搜索范围，避免算法陷入局部最优。最后，为提升路径平滑性，采用B-spline曲线对路径进行平滑操作。仿真结果表明，在普通环境及陷阱环境下改进的灰狼算法较传统灰狼算法，规划的全局最优路径各项性能更优，更有利于机器人完成作业任务。
-
单位中国人民解放军战略支援部队信息工程大学; 河南省地震局
