Ein multi-Strategie verbesserter Spatzen-Suchalgorithmus für die Wegplanung mobiler Roboter

Zusammenfassung Die Wegplanung für mobile Roboter spielt eine entscheidende Rolle bei der Aufgabenausführung, angesichts der durch die Umgebung und Energiequellen auferlegten Einschränkungen. Sie stellt eine erhebliche Herausforderung für mobile Roboter dar, da sie einen praktikablen Weg zwischen dem Startpunkt und dem Zielpunkt finden müssen, der frei von Hindernissen und so kurz wie möglich ist. Um die Herausforderung der Wegplanung zu bewältigen, wird ein multi-Strategie verbesserter Spatzen-Suchalgorithmus mit Chaosoperator (CMISSA) vorgeschlagen. Zunächst werden Tent-Chaos-Abbildung und zurückführendes Lernen in die Populationsinitialisierung des Spatzen-Suchalgorithmus (SSA) eingeführt, um die Uniformität und Effektivität der anfänglichen Populationsverteilung zu verbessern. Zweitens werden adaptive Parameter im SSA verwendet, um ein Gleichgewicht zwischen Ausbeutung und Erkundung zu wahren. Drittens wird der Chaosoperator eingesetzt, um zu verhindern, dass SSA in lokalen Optima gefangen bleibt, indem die Positionsanstiftung der Population gestört wird. Schließlich wird eine neuartige adaptive Grenzkontrollstrategie eingeführt, um die Position von Individuen zu behandeln, die die Grenze überschritten haben. Darüber hinaus zeigen die experimentellen Ergebnisse zu 15 klassischen Bewertungsfunktionen, dass CMISSA eine bessere Optimierungsleistung als 10 Vergleichsalgorithmen aufweist. Darüber hinaus zeigen die Ergebnisse der Wegplanungsexperimente, dass die durchschnittlichen Wegverkürzungsraten von CMISSA im Vergleich zu 5 Vergleichsalgorithmen in 5 verschiedenen Umgebungen 34,90 %, 20,11 %, 29,01 %, 51,97 %, 37,42 % betrugen. Es wird weiter demonstriert, dass CMISSA eine überlegene Verfügbarkeit zur Lösung der Wegplanung mobiler Roboter aufweist.