基于多目标蝗虫优化算法的移动机器人路径规划

摘要

在静态多障碍物环境下的移动机器人路径规划问题中,粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点,导致机器人路径规划精度低。为此,提出一种多目标蝗虫优化算法(MOGOA)来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标,建立相应的多目标优化问题的数学模型。在种群的搜索过程中,引入曲线自适应策略以提高算法收敛速度,并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明:所提出的算法在解决上述问题中寻找到的路径更短,表现出更好的收敛性。该算法与多目标粒子群(MOPSO)算法相比路径长度减少了约2.01%,搜索到最小路径的迭代次数减少了约19.34%。