融合GA与GWO算法的机器人路径规划

摘要

在移动机器人路径规划任务中，传统灰狼算法（greywolfoptimizer,GWO）存在容易陷入局部最优、收敛速度慢的问题，故提出一种改进灰狼优化算法（improvedgreyworlfoptimizer,IGWO）。针对GWO算法中rand（）函数的伪随机问题，利用Logistic混沌映射增强随机性。引入遗传算法（geneticalgorithm,GA）中的交叉和变异，提高算法跳出局部最优的能力，同时通过黄金分割和动态因子调整搜索步长，以平衡全局搜索和局部开发，避免陷入局部最优。仿真结果显示，相较于GWO算法，IGWO算法能够找到更短的路径，且算法的全局搜索能力和收敛速度有较大提升。

关键词

路径规划 / 移动机器人 / Logistic映射 / 遗传算法 / 改进灰狼算法 / 动态因子