多策略混合山地瞪羚优化器在机器人路径规划问题中的应用

作     者：金煦 莫愿斌 

作者机构：广西民族大学人工智能学院 广西民族大学广西混杂计算与集成电路设计分析重点实验室 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080202[工学-机械电子工程] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(21466008) 广西自然科学基金资助项目(2019GXNSFAA185017) 广西民族大学科研项目(2021MDKJ004) 

主　　题：机器人 路径规划 山地瞪羚优化器 准反向学习 动态自适应密度因子 算术优化 正余弦思想 

摘      要：机器人导航系统设计中，路径规划是一个重要问题。本研究提出了一种基于山地瞪羚优化器（Mountain Gazelle Optimizer， MGO）的改进算法——多策略混合山地瞪羚优化器（Hybrid Mountain Gazelle Optimizer， HMGO）用于解决此问题。首先采用准反向学习策略，优化种群初始化，确保初始种群的广泛性。接着，引入动态自适应密度因子，调整优化机制中的参数，以提升搜索精度和效率。此外，算法还结合算术优化策略和正余弦思想进行随机扰动，有效避免局部最优和过早收敛。经过消融实验及13个基准测试函数的验证，结果表明了HMGO在效率和稳定性上的优势。最后在二维和三维空间中的机器人路径规划的求解，结果表明所提算法在求解此问题的有效性。