基于多策略融合算法的两栖机器人路径规划

摘要

为满足水陆两栖机器人在复杂环境下完成搜寻任务的要求，解决跨环境路径规划存在的评价指标不全、精度低、收敛慢等问题，在建立融合栅格代价的水-陆综合环境模型、制定综合路径评价指标基础上，提出了一种多策略融合的改进哈里斯鹰优化算法。通过梅特罗波利斯-哈斯廷斯(Metropolis-Hastings, MH)抽样方法优化初始种群提升哈里斯鹰初期的搜索能力和收敛速度，通过自适应梯度算法优化莱维飞行策略提高哈里斯鹰的寻优精度。通过仿真和湖试实验表明，本方法解决了跨环境下路径评价指标单一、收敛速度慢、质量差等问题，能够在不同任务目标作做出更优的路径规划决策，在路径质量和规划时间等方面具备适用性和高效性。

关键词

水陆两栖机器人 / 路径规划 / 改进哈里斯鹰优化算法 / 自适应梯度算法 / 多策略融合