一种基于灰狼优化算法的RBPF-SLAM改进方法

摘要

本发明提出了一种基于灰狼优化算法的RBPF‑SLAM改进方法，用于进一步优化建议分布函数的分布预测，提高算法的定位和建图精度。灰狼算法模型简单、寻优性能强，其独特的搜索能力与探索开发平衡方式使得该算法与PSO等算法相比有着更好的全局搜索能力与更低的空间复杂度。该算法利用灰狼优化算法的局部探索和全局开发能力提高RBPF的估计性能，使得低权值粒子能够向最优值奔袭，并能够在奔袭过程中进一步优化粒子的估计值。在改进算法中，粒子退化得到了一定程度上的缓解，精确定位与建图所需的粒子数得到了有效的降低。