为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite ...为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。展开更多
文摘为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。
