改进的自适应风力驱动优化算法用于实时路径规划
机器人学
2025-11-26 v1
摘要
最近，路径规划通过启发式和学习驱动的优化框架实现了全局搜索能力和收敛精度的显著提升。然而，在动态环境中实现实时自适应性仍是自动导航的关键挑战，尤其是在机器人必须在复杂约束下生成碰撞自由、平滑且高效的轨迹时。通过分析动态路径规划中的难题，风力驱动优化（WDO）算法因其可解释的搜索动力学而成为有前景的框架。受此观察启发，本工作重访WDO原理，提出一种改进自适应性和鲁棒性的多层次自适应风力驱动优化（MAWDO）方案。为缓解不稳定性和早期收敛问题，层次化引导机制将种群划分为由单个、区域和全局领袖引导的多个组，以平衡探索与开发。对十六个基准函数的广泛评估表明，MAWDO在收敛精度、收敛稳定性和自适应性方面优于最新的元启发式算法。在动态路径规划中，MAWDO将路径长度缩短至469.28像素，相较于多策略集成风力驱动优化（MEWDO）、自适应风力驱动优化（AWDO）和WDO分别提高了3.51%、11.63%和14.93%，并实现最小最优间隙（1.01），平滑度为0.71，远优于AWDO和WDO的13.50和15.67，实现更平滑、更短且碰撞自由的轨迹，证明其在复杂环境中实现实时路径规划的有效性。
引用
@article{arxiv.2511.20394,
title = {Improved adaptive wind driven optimization algorithm for real-time path planning},
author = {Shiqian Liu and Azlan Mohd Zain and Le-le Mao},
journal= {arXiv preprint arXiv:2511.20394},
year = {2025}
}
备注
23 pages, 4 figures