基于多策略改进海鸥算法求解机器人路径规划

针对海鸥优化(SOA)算法在进行机器人路径规划时,存在求解效率慢,局部停滞和寻优精度低等问题,提出了一种多策略改进的海鸥优化(MSOA)算法。首先,该算法引入Circle混沌映射对种群进行初始化,保证了寻优效率;其次,提出了多方向翻筋斗和翻筋斗式跳跃螺旋搜索策略,分别嵌入到算法的迁徙行为和捕食行为中,提高了算法的寻优能力;最后,引入了混合波动非线性碰撞控制因子,能够动态地权衡了算法的局部搜索和全局开发能力。实验结果表明,MSOA算法在测试函数和路径规划上的性能均优于其他算法,对机器人路径规划问题,所提出的算法能够快速准确地避开障碍物,规划的路径长度最小,具有较好的优越性、可行性和稳定性,适用于求解移动机器人路径规划问题。