基于改进蝴蝶优化算法的移动机器人路径规划

摘要

针对蝴蝶优化算法(butterfly optimization algorithm, BOA)在复杂环境路径规划过程中求解最短路径时存在收敛速度慢、易陷入局部最优等缺点，提出一种改进的蝴蝶优化算法。首先，在初始化蝴蝶种群时，为保证初代种群多样化，避免陷入局部最优解，通过Tent映射生成初代种群位置；其次，在蝴蝶香味计算阶段引入动态感觉模态，随着迭代过程的持续推进逐步增强蝴蝶的香味值，以缩短收敛时间；再次，为进一步缩短收敛时间，在全局搜索阶段引入遗传算法中的选择因子加快蝴蝶在全局搜索时向最优蝴蝶移动的速度；然后，在局部搜索阶段引入动态变异因子，有效避免在路径规划时陷入局部最优；最后，使用一种基于视线(line of sight, LOS)检测方法的初始种群生成策略，以进一步减少路径中断点的生成，同时确保由BOA算法生成的路径可行解的多样性。实验结果表明，改进的蝴蝶优化算法具有较快的收敛速度，且规划出来的路径在保证路径长度合理的情况下具有更高的平滑度。

关键词

蝴蝶优化算法 / 路径规划 / 混沌映射 / 动态感觉模态 / 选择因子 / 动态变异因子

基金资助

国家自然科学基金资助项目(61703067,51905065); 重庆市教育委员会科学技术研究资助项目(KJQN202000614)