改进引力搜索算法提升多机器人动态环境路径规划性能

本文主要探讨了"基于改进引力搜索算法的多机器人路径规划"这一主题，该研究发表在2016年的《电气系统与信息技术学报》第三期，着重于优化多机器人在动态环境中的路径规划。作者们，来自印度的P.K. Das、H.S. Behera、P.K. Jena和B.K. Panigrahi，分别来自VSSUT的计算机科学与信息技术系、机械工程系以及IIT Delhi的电气工程学院。 在研究中，作者们对传统的引力搜索算法（GSA）进行了创新性改进，结合了粒子群算法的优点，如记忆信息、社会性和认知性，以增强算法的适应性和寻优效率。他们采用了贪婪策略来决定新一代种群的选择，这有助于提高搜索过程的效率和路径质量。他们的目标是开发出一种能有效地指导多机器人从现有位置到目标位置的路径规划方案，同时考虑了碰撞避免和整体性能。 路径规划方案是基于IGSA（改进的引力搜索算法）设计的，它旨在最小化平均总轨迹偏差、平均未覆盖轨迹目标距离和平均路径长度等关键性能指标。与经典路径规划技术（如路线图、细胞分解、势场等）进行比较，IGSA在处理动态环境时展现出更好的性能。实验结果通过仿真和在Khepera机器人平台上的实际运行验证，证实了IGSA在多机器人路径规划中的优越性，相较于GSA和粒子群优化算法（PSO），IGSA在相似环境中表现出更佳的性能矩阵。 这项研究不仅提升了多机器人路径规划的算法效率，还在动态环境适应性和实际应用效果上取得了突破，为多机器人协作和自主导航提供了有力的支持。值得注意的是，该研究还强调了成果的开放获取性质，遵循CC BY-NC-ND许可协议，这意味着读者可以自由访问和分享这些研究成果。