摘要
针对萤火虫算法在路径规划中存在收敛速度过慢、容易陷入局部最优解,非必要转向次数过多等问题,提出一种新的基于遗传算法(GA)与萤火虫算法(FA)的混合算法(GFA).算法的核心思想是当萤火虫算法陷入局部最优解时,将局部最优的萤火虫视为一个群体在遗传算法中进行二次优化,并通过改进遗传算子和引入一种自适应调整交叉和变异概率的方法,防止算法过早收敛,并得到最优的萤火虫个体.仿真结果表明,新的混合算法有更好的精度和性能,能够为移动机器人规划出一条综合性能较好的路径.将该算法应用于机器人室外路径规划中,通过导航实验证明了改进算法在实际环境中也能高效率、平滑地完成路径规划任务.
维普
万方数据