典型文献
基于多元策略改进的灰狼算法机器人路径规划
文献摘要：
针对传统灰狼算法(grey wolf algorithm,GWO)在进行机器人路径规划时易陷入局部极值、探索效率低等不足,提出了一种多元策略改进的灰狼算法.首先针对领导狼在算法中存在的缺陷,提出了一种随机游走策略,从而提升算法的全局搜索能力.同时,在搜索阶段引入一种基于凸透镜原理的逆学习机制,对种群中的劣势个体进行逆向学习,从而提高狼群个体的搜索范围,避免算法陷入局部最优.最后,为提升路径平滑性,采用B-spline曲线对路径进行平滑操作.仿真结果表明,在普通环境及陷阱环境下改进的灰狼算法较传统灰狼算法,规划的全局最优路径各项性能更优,更有利于机器人完成作业任务.
文献关键词：
灰狼算法;随机游走策略;透镜逆学习;移动机器人;路径规划
中图分类号：
作者姓名：
齐鹏飞;丁鑫
作者机构：
河南省地震局,河南郑州450016;中国人民解放军战略支援部队信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]齐鹏飞;丁鑫-.基于多元策略改进的灰狼算法机器人路径规划)[J].制造技术与机床,2022(07):28-33
A类：
透镜逆学习
B类：
多元策略,改进的灰狼算法,机器人路径规划,grey,wolf,algorithm,GWO,局部极值,随机游走策略,全局搜索,搜索能力,凸透镜,学习机制,逆向学习,狼群,搜索范围,局部最优,路径平滑,平滑性,spline,陷阱,全局最优,最优路径,作业任务,移动机器人
AB值：
0.372423
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
