多策略合作增强便甲虫优化器及其在避障航行中的应用
Xiaojie Tang1, Zhengyang He2, Chengfen Jia2
1School of Mechanical Engineering, Sichuan University Jinjiang College, Meishan, 620860, China. tangxiaojie@scujj.edu.cn.
Scientific reports
|November 14, 2024
概括
一个新的多策略合作增强的虫优化算法 (RCDBO) 改善了自主导航路线规划. 这种方法克服了当地的最佳问题,并提高了无人驾驶系统的全球规划.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 优化算法 优化算法
- 自主系统 自主系统
背景情况:
- 路线规划对于无人驾驶系统的自主导航至关重要.
- 标准的虫优化算法 (DBO) 受到了过早的融合和有限的全球规划.
- 解决这些局限性对于推进自动驾驶能力至关重要.
研究的目的:
- 引入一个新的多策略合作增强虫优化算法 (RCDBO).
- 改进DBO算法以克服本地最佳并改进全球路径规划.
- 评估RCDBO在自主导航路线规划方面的有效性.
主要方法:
- 实施基于伯努利的混乱映射,以改善最初的人口多样性.
- 纳入一个随机步行策略,以防止早期局部停滞.
- 利用垂直和水平交叉策略来促进后期的全球优化.
- 根据基准函数,CEC2021测试套件和统计测试验证实了RCDBO.
主要成果:
- 在基准测试中,RCDBO与其他群集智能算法相比表现优越.
- 该算法有效地平衡了全球勘探和当地开发.
- 路径规划模拟显示,RCDBO产生的路径长度比基本的DBO更短.
- 在更简单的环境中,RCDBO产生了更光滑的路径,更少的转.
结论:
- RCDBO有效地解决了用于路径规划的基本DBO算法的局限性.
- 拟议的改进显著改善了全球优化,并防止了局部优化.
- RCDBO为无人驾驶驾驶系统的路径规划提供了一个有前途的解决方案,提高了效率和路径质量.
