徐晨晨,杨 瑞,吴一非,吕其深

(江苏海洋大学电子工程学院,连云港 222006)

0 引言

路径规划在很多领域都具有广泛的应用,如机器人无碰撞行动、无人机避障飞行及巡航导弹路径规划等。路径规划[1]要求机器人避开导航过程中遇到的各种障碍物且不与障碍物发生碰撞,并确定从起始点到目的地的最佳路径。群体智能算法由于效果优于传统算法(人工势场法[2]、A star算法[3]等),便于实现是目前路径规划的热门之一。目前用于路径规划的群体智能算法包括遗传算法[4]、蚁群算法[5]、粒子群算法[6]、灰狼算法[7]等。以上算法由于原理简单、容易实现能够解决简单环境的路径规划问题,但是对于高维复杂问题还存在局部最优问题,路径规划算法最后的收敛效果不能得到保证。

针对目前路径规划算法存在的问题,近几年许多学者都对这些群体智能算法做出了改进。YU等[8]提出了一种新的混合粒子群优化算法,减少了进化过程中粒子振荡现象,提高了算法的收敛速度;WANG等[9]将不规则水下障碍物用球型建模方法,改善了算法的优化局限性问题;ZHANG等[7]提出了一种改进自适应灰狼优化算法,利用一个自适应收敛因子调整策略和一个自适应权重因子来更新个体的位置;YANG等[10]将货物运输路径规划问题转化为旅行商问题,根据其与 LCP 的关系对剩余位置进行分类,并分别设计路径规划规则,减少了计算时间和总路径长度;张红柱等[11]在算法中引入反向学习机制,优化了……