电子测量技术

作者：焦文博，章翔峰，姜宏，韩文旭，高博

单位：新疆大学智能制造现代产业学院(机械工程学院) 乌鲁木齐 830017

关键词：路径规划;遗传算法;粒子群算法;交叉概率;惯性权重;节点

基金：国家自然科学基金（5226050231）项目资助

针对移动机器人在复杂障碍物环境的路径规划过程中存在的搜索效率低、易陷入局部最优、路径冗余节点过多等问题，本文提出了一种基于遗传算法与粒子群优化算法融合的路径规划方法。首先，利用改进的遗传算法生成具有高质量的初始路径种群，为后续粒子群优化算法提供先验搜索导向，增加种群的多样性并加快算法收敛；其次，提出基于适应度变化和迭代进度的双重策略来动态调整交叉概率，同时提出非线性动态递减惯性权重调整方法，从而有效平衡算法的全局搜索和局部搜索；接着，提出基于向量叉积的几何冗余节点判别准则和障碍物安全距离阈值判别方法，有效删除路径中的冗余节点和过渡节点，从而缩短路径长度并提高路径的优化能力；最后，在5个基准测试函数和2个不同的栅格地图环境中进行仿真实验以验证算法的优化性能。实验结果表明，本文所提算法相比遗传算法、粒子群优化算法、差分进化算法、灰狼优化算法、麻雀搜索算法、蜣螂优化算法及冠豪猪优化算法，在20×20的栅格地图中，路径长度平均降低了3.74%，运行时间平均降低了23.13%；而在30×30的栅格地图中，路径长度平均降低了4.83%，运行时间平均降低了19.95%。此外，本文算法规划的路径节点数也相对较少，表明本文所提算法在路径规划方面不仅能够有效缩短路径长度、降低运行时间，还能有效简化路径，展现出良好的寻优能力。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期