基于改进蝙蝠算法的水下机器人避障路径优化方法

针对水下机器人避障研究中基本蝙蝠理论过早收敛,容易达到局部极值点的问题,对其进行了改进。改进方向主要是在算法中以线性渐变方式调节响度和脉冲发射率,通过脉冲发射率的大小控制蝙蝠进行全局搜索或局部精确搜索,优化了收敛速度慢的问题,缩短了机器人的路径定位时间。在局部寻优阶段融合高斯柯西变异策略,前期利用柯西函数两翼高概率特性产生广范围随机数,扩大算法搜索范围,后期利用高斯函数中间概率高、两端概率低的特性进行精准定位,保证机器人全局最优路径规划的同时,提高了局部精度。同时采用界限随机重置机制,优化了蝙蝠在边界聚集带来的种群多样性不足问题,提高收敛效率,满足了机器人实际定位有效性。通过数值模拟的方法建立水下三维模型,分别利用改进算法和基本蝙蝠算法进行路径规划,模拟表明,改进后的蝙蝠算法相较于基本蝙蝠算法各项指标得以提升,对水下机器人工作运行的避障能力更强,路径规划平顺且长度短。