基于切换局部进化PSO算法的智能机器人路径规划

针对智能机器人在环境中遇到障碍物时的路径规划问题，提出了一种基于非齐次马尔可夫链和差分进化的粒子群优化算法。

将智能机器人的三维路径曲面分解为二维平面，并将其中的高度信息z（z）轴。然后，将网格方法应用于环境建模问题。然后，针对路径规划问题，分析了最近提出的基于非齐次马尔可夫链和DE的切换局部进化粒子群算法（SLEPSO）。该SLEPSO算法基于非齐次马尔可夫链，速度更新方程从一种模式跳到另一种模式，克服了局部搜索和全局搜索之间的矛盾。此外，DE变异和交叉操作可以增强粒子群优化算法寻找更好的全局最优粒子的能力。

最后，将SLEPSO算法成功应用于两种不同环境下的路径规划。通过与一些著名的粒子群优化算法的比较，实验结果表明了该方法的可行性和有效性。

因此，这可以为智能机器人的路径规划领域提供一种新的方法。