基于多策略改进秘书鸟优化算法的移动机器人路径规划

摘要

针对秘书鸟优化算法（SBOA）存在的局部搜索能力弱、寻优精度不高等问题，本文提出了一种基于多策略改进的秘书鸟优化算法（MISBOA），并将其应用于移动机器人路径规划中。首先，利用佳点集序列对秘书鸟种群进行初始化，使其分布更加均匀；其次，在探索阶段，对寻找猎物方式采用自适应切线飞行策略，以扩大迭代初期的搜索范围；最后，在开发阶段融合疯狂算子，以提升算法跳出局部最优解的能力。为验证改进策略的有效性，本文使用MISBOA进行机器人路径规划实验，结果显示：在40 m×40 m栅格地图中，MISBOA的平均路径长度较SBOA、粒子群优化（PSO）算法、灰狼优化（GWO）算法和鲸鱼优化算法（WOA）缩短了1.9%、1.9%、3.4%、7.8%，显著提高了路径规划的速度及稳定性。

关键词

秘书鸟优化算法(SBOA) / 佳点集 / 切线搜索算法 / 疯狂算子 / 路径规划