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。