多策略优化麻雀搜索算法及其路径规划的应用

针对传统的麻雀搜索算法存在初始解质量较差、收敛效率低和求解精度不高等缺点,提出了一种基于多策略优化的麻雀搜索算法(LAFSSA)。首先,利用Logistic混沌映射初始化麻雀种群,丰富其多样性;其次,利用自适应惯性因子改进麻雀种群的生产者的位置更新方式,使得算法在迭代初期专注于全局空间的搜索,在迭代后期专注于局部区域的挖掘;最后,融合柯西变异算法进一步增强最差麻雀个体与最优麻雀个体的交流,加快算法的收敛速度,使其在迭代后期能够跳出局部最优。将LAFSSA应用于移动机器人的路径规划,仿真结果表明,与传统的麻雀搜索算法相比,LAFSSA不仅能够减少路径寻优时间,缩短移动机器人的路径长度,还能减少路径转折次数,提升路径的平滑性。