基于改进烟花算法的机器人路径规划

摘要

为改善基本烟花算法路径规划过程中有收敛速度慢、搜索空间小、易陷入局部极值等不足,提出一种融合竞争学习的导向烟花算法。在烟花爆炸的过程中利用优势烟花进行信息更新,设计了一种自适应策略,动态地调整优势烟花的爆炸范围;并且在其中加入导向因子对劣势烟花的迭代进化进行指引,从而提高算法的寻优效率;另外,为了提升烟花算法的局部及全局性,利用自由变异策略代替原有的变异方法;最后,在选择策略中提出了一种竞争学习机制,提高收敛效果。仿真结果表明,改进后的烟花算法与基本烟花算法相对比,路径各项指标均得以提升且平滑度更高,因此更加适应机器人作业环境。