在靜態(tài)多障礙物環(huán)境下的移動機器人路徑規(guī)劃問題中,粒子群算法存在容易產(chǎn)生早熟收斂和局部尋優(yōu)能力較差等缺點,導(dǎo)致機器人路徑規(guī)劃精度低。為此,提出一種多目標蝗蟲優(yōu)化算法(MOGOA)來解決這一問題。根據(jù)移動機器人路徑規(guī)劃要求將路徑長度、平滑度和安全性作為路徑優(yōu)化的目標,建立相應(yīng)的多目標優(yōu)化問題的數(shù)學(xué)模型。在種群的搜索過程中,引入曲線自適應(yīng)策略以提高算法收斂速度,并使用Pareto最優(yōu)準則來解決三個目標之間的共存問題。實驗結(jié)果表明:所提出的算法在解決上述問題中尋找到的路徑更短,表現(xiàn)出更好的收斂性。該算法與多目標粒子群(MOPSO)算法相比路徑長度減少了約2.01%,搜索到最小路徑的迭代次數(shù)減少了約19.34%。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖3100個障礙物下MOGOA的路徑規(guī)劃圖及收斂性分析Fig．3PathmapandconvergenceanalysisofMOGOAunder100obstacles

本文編號：3957498