基于改進蝙蝠算法機器人避障研究*

黃華東，陳 亮

(1.長沙民政職業技術學院，長沙 410004；2.長沙師范學院，長沙 410004)

0 引言

智能移動機器人廣泛地運用于農業生產[1-2]、航天科技[3]、材料加工[4]、醫療救援[5]等領域。自由避障能力是移動機器人最為突出重要的一項能力。這要求智能機器人有對障礙物的自行規避與從起點到終點的路徑規劃的能力。路徑規劃問題的實現算法分為傳統算法與智能算法，其中傳統算法主要有模糊邏輯算法、可視圖法、自由空間法、人工勢場法等[6]。模糊控制算法求解多維問題難以建立模糊規則庫[7]。可視圖法實時性能較差，且效率較低[8]。自由空間法處理復雜障礙空間，其復雜度將超出計算能力范圍[9]。人工勢場法易得局部最優而難以到達終點[10]。隨著人工智能的崛起，智能仿生算法被應用于路徑規劃與優化問題，如粒子群算法(PSO)[11]、人工魚群算法[12]、蟻群算法[13]等。傳統PSO中粒子易陷入不良區域，種群多樣性不足，搜索停滯，后期收斂速度較差[14]。基本魚群算法的歷史行為學習度不足，收斂精度低[15]。基本蟻群算法信息濃度低，搜索速度慢[16]。

近年來又出現了一種新型智能優化算法即蝙蝠算法(BA)，是模擬蝙蝠捕食飛行過程的一種仿生智能算法，具有模型簡單、算法參數少有并行性強且分布式廣的特點[17]。但由于初期搜索范圍不夠廣，收斂過快，精度較低，后期存在較多停留邊界的個體，種群多樣性差等問題。

因此，本文將其與高斯函數與柯西函數結合，引入高斯柯西變異策略，幫助算法逃離局部極值的同時提高算法精度。……