改进灰狼优化器——受高级协作捕食启发，用于无人机最短路径规划
机器人学
2025-06-05 v1
摘要
随着无人机（UAV）在军事侦察、应急救援和物流配送等领域的广泛应用，高效规划最短飞行路径已成为一项关键挑战。传统启发式方法往往无法逃离局部最优，限制了其在寻找最短路径方面的有效性。为此，本研究提出了一种新型改进灰狼优化器（IGWO）。所提出的IGWO融合了高级协作捕食（ACP）和透镜对立学习策略（LOBL），以提升方法的优化能力。仿真结果表明，IGWO在基准函数F1-F5、F7和F9-F12上的优化性能排名第一，优于所有对比算法。随后，IGWO被应用于多种障碍物环境中的无人机最短路径规划。仿真结果表明，在四张不同地图上，IGWO规划的路径平均比GWO、PSO和WOA分别短1.70米、1.68米和2.00米。
引用
@article{arxiv.2506.03663,
title = {An Improved Grey Wolf Optimizer Inspired by Advanced Cooperative Predation for UAV Shortest Path Planning},
author = {Zuhao Teng and Qian Dong and Ze Zhang and Shuangyao Huang and Wenzhang Zhang and Jingchen Wang and Ji Li and Xi Chen},
journal= {arXiv preprint arXiv:2506.03663},
year = {2025}
}