计算机应用

作者：吴素谦, 闫建国, 杨斌, 覃涛, 刘影, 杨靖

单位：1.贵州大学 电气工程学院，贵阳 550025；2.中国电建集团贵州工程有限公司 创新研究院，贵阳 550009；3.贵州电网有限责任公司 电网规划研究中心，贵阳 550003；4.贵州省“互联网+”协同智能制造重点实验室，贵阳 550025

关键词：天鹰优化器,粒子群优化算法,Sobol序列,数值优化,路径规划

基金：国家自然科学基金资助项目(61640014);贵州省教育厅创新群体计划项目(黔教合KY字［2021］012);贵州省科技支撑计划（黔科合支撑［2022］一般017,黔科合支撑［2023］一般411,黔科合支撑［2023］一般412,黔科合支撑［2024］一般051）;贵州省教育厅工程研究中心项目(黔教技［2022］043);中国电建集团科技项目(DJ?ZDXM?2020?19);贵州大学贵州省双碳与新能源技术创新发展研究院开放课题(DCRE?2023?13)

针对原始天鹰优化器（AO）存在局部开发能力不足、寻优精度低以及收敛速度慢等缺陷，提出一种用于机器人路径规划的多策略融合改进的天鹰优化器（MSIAO）。首先，引入Sobol序列对天鹰种群进行初始化，从而有利于初始种群的多样性，并提高收敛速度；其次，利用黄金正弦算子和粒子群的自我学习与社会学习的思想改进局部搜索方式，以增强算法的开发能力，并降低陷入局部最优的可能；同时，采用一种非线性平衡因子作为两阶段的切换条件，使种群之间的交流更充分，并能更有效地均衡全局搜索与局部开发。通过在12个基准测试函数、10个CEC2017复杂函数上的仿真实验可知，所提改进策略极大地增强了MSIAO的全局优化能力。将MSIAO应用于机器人路径规划的结果表明，MSIAO可以获得更短且更安全可靠的移动路径。在20×20栅格地图中，MSIAO的平均路径相较于粒子群优化（PSO）算法、原始的AO和蝴蝶优化算法（BOA）分别缩短了2.53%、3.83%和6.70%；在40×40栅格地图中，MSIAO的平均路径相较于上述3种算法分别缩短了10.65%、5.27%和14.88%。可见MSIAO的寻径更高效。

来源：2025年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第3期