基于自适应步长果蝇优化算法的无人车路径规划改进算法研究

摘要

针对传统果蝇算法在无人车路径规划中易陷入局部最优、搜索空间步长固定不变而无法求得最优解，以及路径安全性不足的问题，本文提出一种基于自适应步长果蝇优化算法(adaptive step fruit fly optimization algorithm, ASFOA)的无人车路径规划改进算法。首先，ASFOA通过引入自适应步长机制提高搜索效率、提升最优解质量。其次，为优化路径规划过程，ASFOA引入Dijkstra算法，有效地减少了计算量。最后，ASFOA引入避障算法，实现了更安全的路径规划。二维仿真环境实验结果表明，相较于传统的果蝇算法，ASFOA生成的路径更接近最优解，显著提升了避障性能，并且在减少转弯角度和拐点数目方面优于传统果蝇算法。此外，ASFOA展示出较低的适应度值和较快的收敛速度，显示出在路径优化中的高效性和适应性。综上，ASFOA为无人车路径规划提供了一个高效、可靠的解决方案。

关键词

无人车 / 果蝇算法 / 路径规划 / 人工势场算法