.png){kind=icon}
返回
Multi-strategy ensemble wind driven optimization algorithm for robot path planning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.matcom.2024.11.023.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种多策略集成风驱动优化（MEWDO）算法，并将其与三次样条插值相结合，以解决单机器人和多机器人的路径规划挑战。所提出的MEWDO采用Chebyshev映射初始化空气粒子种群并增加种群多样性。提出了一种分段学习局部开发策略，以提高算法的开发能力。为增强算法的探索能力，引入了一种基于不对称特性的F分布的变异策略，该策略逐个扰动维度。首先，在16个基准测试函数上进行了MEWDO与其他七种智能算法的性能比较实验，结果表明MEWDO表现最佳。其次，在三个静态环境中进行了路径规划仿真实验，将MEWDO与三种智能算法和人工势场法进行比较，MEWDO在规划的路径最短长度和算法稳定性方面均优于对比算法。在一些复杂的救援环境中，经常派遣多台机器人从不同路线执行任务以提高救援成功率。为此，使用MEWDO为五台机器人规划任务路径，以测试其在多机器人路径规划中的性能。结果表明，MEWDO为所有五台机器人在复杂环境中找到了执行任务的最佳路线。
Keyword:
Wind driven optimization
Robot path planning
Chebyshev map
Segmented learning
F-distribution
Cubic spline interpolation
期刊
IF:
4.4
论文数:
797
被引数:
1.0W
机构
引用论文
A review: On path planning strategies for navigation of mobile robot移动机器人导航路径规划策略研究综述.png)
DEFENCE TECHNOLOGY
OAAI
DEFENCE TECHNOLOGYIF5.9
OAAI分享收藏WD2O: a novel wind driven dynamic optimization approach with effective change detectionAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏A Multiswarm Intelligence Algorithm for Expensive Bound Constrained Optimization ProblemsComplexity
OAAI
ComplexityIF0
OAAI分享收藏A complex-valued encoding wind driven optimization for the 0-1 knapsack problemAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容