多策略改进角蜥蜴优化算法的避障路径规划

为解决角蜥蜴算法(HLOA)在处理路径规划易陷入局部最优、收敛较慢、精度较差等问题,提出一种融合多种优化策略的改进角蜥蜴优化算法(IHLOA)。首先,利用精英反向区域学习策略增加种群反向搜索范围,提高反向搜索能力;其次,融合非线性收敛因子与双路径逃逸策略加快算法收敛速度;最后,加入种群分层策略并融合随机分形优化搜索机制提升算法搜索精度。仿真实验表明:通过对6个基准函数的验证,改进角蜥蜴算法拥有更快的收敛速度及更精确的搜索能力。通过二维栅格地图建立避障仿真实验,改进角蜥蜴算法较原算法的寻求最优路径长度、平均路径长度更短,具有高效、稳定的搜索能力。

资料为PDF文档格式.

本文档关键词:蜥蜴,算法,路径,优化,改进