返回
Hybrid path planning algorithm for robots based on modified golden jackal optimization method and dynamic window method
DOI:10.1016/j.eswa.2025.127808.png)
摘要
En 中文
传统路径规划算法在具有高密度不规则障碍物的大规模场景中仍面临显著挑战,例如搜索效率低、避障能力有限以及易陷入局部最优。为克服这些挑战,提出了一种结合改进金豺优化算法(MGJO)和改进动态窗口方法(IDWA)的混合路径规划算法。为解决陷入局部最优的问题并提升全局路径规划中的全局搜索效率,MGJO算法基于非线性能量衰减、多样化搜索策略以及受非洲秃鹫启发的引导机制进行合成。为提高避障效率并确保局部路径更平滑,IDWA算法通过优化障碍距离评估函数进行了重新设计。在全局路径规划中,MGJO算法与部分当前最优优化器在23个基准函数上进行对比评估。在三种不同环境中,MGJO算法相较于原始算法的平均路径长度分别提升了10.76%、16.72%和25.46%。在移动机器人局部路径规划实验中,IDWA算法在小中型地图中避免了局部最优,而在大型地图中显著减少了局部最优发生的次数,从6次降至2次。该算法的可行性在真实实验中得到验证。
Keyword:
Golden Jackal Optimization Algorithm
African Vultures Optimization Algorithm
Dynamic Window Approach Algorithm
Mobile robot
Path planning
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
暂无机构信息
引用论文
MMPA: A modified marine predator algorithm for 3D UAV path planning in complex environments with multiple threatsMMPA: 一种改进的海洋捕食者算法,用于在具有多种威胁的复杂环境中进行3D无人机路径规划
A multi-objective cat swarm optimization algorithm based on two-archive mechanism for UAV 3-D path planning problem基于双存档机制的多目标猫群算法求解无人机三维航迹规划问题
Robot Path Planning Navigation for Dense Planting Red Jujube Orchards Based on the Joint Improved A* and DWA Algorithms under Laser SLAM激光SLAM下基于联合改进A * 和DWA算法的密植红枣园机器人路径规划导航
AGRICULTURE-BASEL
IF3.6
Enhanced path planning algorithm via hybrid WOA-PSO for differential wheeled mobile robots基于混合WOA-PSO的差动轮式移动机器人路径规划算法
Robot path planning in uncertain environment using multi-objective particle swarm optimization基于多目标粒子群算法的不确定环境下机器人路径规划
NEUROCOMPUTING
IF6.5
Dynamic Path Planning for Forklift AGV Based on Smoothing A* and Improved DWA Hybrid Algorithm基于平滑A * 和改进DWA混合算法的叉车AGV动态路径规划
SENSORS
IF3.5

