多策略改进蜣螂优化算法移动机器人路径规划

摘要

针对传统蜣螂优化算法在路径规划中存在的路径长和局部最优等问题，对其进行改进。首先，采用Logistics对初始种群进行混沌初始化，使蜣螂种群在搜索空间的分布更为均匀，以提高种群的质量；其次，在觅食蜣螂位置更新阶段引入翻筋斗策略，以扩大算法的搜索范围，提高算法的全局搜索能力；最后，在偷窃蜣螂位置更新阶段引入基于自适应因子的偷位置更新策略，以降低算法陷入局部最优的概率，平衡算法的全局和局部搜索能力。利用Matlab构建3种不同的栅格地图作为机器人工作环境模型，将改进蜣螂优化算法和4种传统算法在2种地图中进行仿真对比，结果表明：改进蜣螂优化算法在平均路径长度、平均迭代次数和路径长度标准差都明显减少，验证了该算法在路径规划中具有更好的效果。

关键词

蜣螂算法 / 移动机器人 / 路径规划 / 翻筋斗觅食策略