差分变异和领地搜索的平衡优化算法及其机器人路径规划

来源：计算机工程与科学杂志2023年第11期北京时间：

作者：张贝, 闵华松, 张新明

单位：1.武汉科技大学机器人与智能系统研究院,湖北 武汉 430081;2.河南师范大学计算机与信息工程学院，河南 新乡 453007

摘要：平衡优化EO算法是最近提出的一种优秀元启发式算法，但在解决复杂优化问题时存在搜索能力不足、可操作性差和搜索效率低等问题。因此，提出了一种改进的EO，即差分变异和领地搜索的EO——DTEO。首先，提出一种融合领地搜索的差分扰动策略用于最优粒子的浓度更新。然后，提出了一种精英与最差粒子差分变异策略来强化最差个体。最后，提出一种信息共享的差分变异策略和简化EO中的新解产生方式，并将二者动态融合用于其它粒子浓度的更新，以提高算法的可操作性和搜索能力，并缩短运行时间。CEC2014复杂函数测试集上的优化实验结果表明，与EO及其他优秀算法相比，DTEO搜索能力更强、效率更高和可操作性更强。DTEO应用机器人路径规划的实验结果也表明，DTEO具有更强的竞争性。

关键词：优化方法,元启发式算法,平衡优化算法,差分变异,机器人路径规划,