移动机器人反馈式步长萤火虫算法全覆盖路径规划研究

摘要

为解决传统萤火虫算法(firefly algorithm, FA)在移动机器人路径规划过程中容易陷入局部最优解、个体分布不均匀、收敛速度慢等问题，提出一种反馈式步长萤火虫算法(FBFA)。采用Tent映射处理初始种群，改善初始种群分布不均的问题；利用反馈式步长策略，在算法运行的不同阶段动态调整步长因子；引入标准柯西分布对陷入局部最优的个体进行扰动，使个体有逃出局部最优的机会。通过CEC2022函数的模拟计算，验证了FBFA算法相较于传统算法在收敛精度和收敛速度方面的优势。采用基于惩罚系数的目标函数分别在30×30、50×50的栅格地图中进行仿真，结果表明：FBFA算法相对于WOA算法、PSO算法和FA算法在路径代价上分别降低14.5%、11.9%、12.8%以及14.0%、13.7%、11.5%,在全覆盖路径规划方面具有较强优势。

关键词

全覆盖路径规划 / 反馈式步长 / 萤火虫算法 / 标准柯西分布 / 惩罚因子