移动机器人反馈式步长萤火虫算法全覆盖路径规划研究.pdfVIP

２０２５年第３９卷第４期

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．３９Ｎｏ．４２０２５

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２５．０４．０１９

移动机器人反馈式步长萤火虫算法

全覆盖路径规划研究

１１１１２１

郭志军，王远，王丁健，孙诺涵，李洪涛，庞明天

（１．河南科技大学车辆与交通工程学院，河南洛阳４７１０００；

２．黄河交通学院汽车工程学院，河南焦作４５４９５０）

摘要：为解决传统萤火虫算法（ｆｉｒｅｆｌｙａｌｇｏｒｉｔｈｍ，ＦＡ）在移动机器人路径规划过程中容易陷入局部最优解、个体分布

不均匀、收敛速度慢等问题，提出一种反馈式步长萤火虫算法（ＦＢＦＡ）。采用Ｔｅｎｔ映射处理初始种群，改善初始种群

分布不均的问题；利用反馈式步长策略，在算法运行的不同阶段动态调整步长因子；引入标准柯西分布对陷入局部

最优的个体进行扰动，使个体有逃出局部最优的机会。通过ＣＥＣ２０２２函数的模拟计算，验证了ＦＢＦＡ算法相较于传

统算法在收敛精度和收敛速度方面的优势。采用基于惩罚系数的目标函数分别在３０×３０、５０×５０的栅格地图中进

行仿真，结果表明：ＦＢＦＡ算法相对于ＷＯＡ算法、ＰＳＯ算法和ＦＡ算法在路径代价上分别降低１４．５％、１１．９％、１２．８％

以及１４．０％、１３．７％、１１．５％，在全覆盖路径规划方面具有较强优势。

关键词：全覆盖路径规划；反馈式步长；萤火虫算法；标准柯西分布；惩罚因子

中图分类号：ＴＰ２４２．６文献标识码：Ａ文章编号：１６７４－８４２５（２０２５）０４－０１４８－０９

易陷入局部最优的情况，侯志祥等［１３］提出了一种混沌求偶

０引言萤火虫算法，将萤火虫种群分成雌性个体和雄性个体，利用

萤火虫之间的求偶策略来指导个体的移动方向，从而提高算

［１］法的求解精度和逃出局部最优解的能力，但是算法运行时间

全覆盖路径规划是移动机器人研发的关键技术之一。

［１４］

全覆盖路径规划的核心是在给定区域范围内找到能覆盖除相对较长。针对收敛速度慢、收敛精度差等问题，Ｌｉ等根

障碍物外所有点的最优路线［２］。目前，路径规划算法主要分据萤火虫种群的碰撞程度动态调整种群大小，采用一种随种

［３］群数量动态变化的系数来控制种群变化，提高了算法的收敛

为传统路径规划算法和智能路径规划算法。传统算法包

［４］［５］［６］速度，优化了算法稳定性，但是算法运行时间变化范围大；

括Ｄｉｊｋｓｔｒａ算法、ＲＲＴ算法、动态窗口法、Ａ算法Ｘｕ

［７］［８］［１５］

等；智能路径规划算法包括遗传算法（Ｇ