基于改进鹈鹕优化算法的移动机器人路径规划

摘要

针对鹈鹕优化算法在移动机器人规划路径中易陷入局部最优、收敛速度较慢的问题，本文提出一种多策略改进的鹈鹕优化算法。首先，采用Logistic混沌映射初始化种群，以增强种群多样性与分布均匀性；其次，融入正弦优化算法和非线性的惯性权重系数，以平衡全局探索与局部开发能力；进一步引入Levy飞行策略，提升算法跳出局部最优的能力，并在迭代后期维持良好的全局搜索性能。仿真实验表明：在6个基准测试函数上，改进算法在全局搜索能力和收敛精度方面均显著优于原算法；在20×20与40×40栅格地图的路径规划任务中，其平均路径长度较原始鹈鹕优化算法、麻雀搜索算法和灰狼优化算法缩短7%～10%以上，且运行效率更高，在复杂环境下表现出更优的路径规划性能与鲁棒性。本研究为移动机器人全局路径规划提供了一种有效且稳定的新解决方案。

关键词

鹈鹕优化算法 / 移动机器人 / 混沌映射 / Levy飞行 / 路径规划 / 正余弦优化 / 智能算法 / 全局优化