基于多策略改进鼠群算法的机器人路径规划

鼠群优化(RSO)算法求解复杂环境下移动机器人路径规划问题时易出现早熟现象导致求解精度不足,针对此问题,提出一种多策略改进鼠群优化(MRSO)算法。首先,提出一种旋转小孔成像反向学习搜索策略,将其嵌入算法攻击猎物过程中对种群进行反向学习,提高算法全局搜索能力;其次,引入Iterative混沌RPOBL反向学习策略保证了算法的初始种群多样性,提高了算法初始寻优效率与收敛精度;最后,在算法追逐猎物过程中,采用“双平滑”和“双碗式”非线性自适应因子动态平衡了算法的全局搜索与局部探索,增强了算法局部和全局寻优能力。结果表明,在不同地图环境中,MRSO算法的路径寻优结果优于RSO、TSO和GWO算法,MRSO算法可快速和高效地解决复杂环境中移动机器人路径规划问题。