科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于传统的智能优化算法(intelligent optimization algorithm, IOA)不能很好解决插值平滑的机器人路径规划(robot path planning, RPP)问题，以及最近提出的海洋捕食者算法(marine predators algorithm, MPA)的优势和不足，提出了一种改进的MPA,即提升信息交流的MPA(interchange enhanced MPA,IEMPA),用于解决RPP。首先提出一种融合趋向全局最优的反向学习策略用于随机选择一个捕食者的位置更新，以便降低陷于局部最优的概率；然后提出了一种三阶段最优引导最差策略来强化最差个体以便提升整个群体和提高搜索能力；随后，提出一种信息共享策略用于捕食前期以进一步提高算法的搜索能力；最后将IEMPA用于插值平滑的RPP中。大量的多场景RPP问题的优化实验结果表明，与MPA等优秀算法相比，IEMPA搜索能力更强、精度更高、收敛速度更快，能更好地处理RPP,可应用到在其他复杂优化问题上。
