第４４卷第５期太原科技大学学报Ｖｏｌ.４４Ｎｏ.５２０２３年１０月ＪＯＵＲＮＡＬＯＦＴＡＩＹＵＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯｃｔ.２０２３文章编号:１６７３－２０５７(２０２３)０５－０４２２－０６收稿日期:２０２１￣０４￣０２基金项目:山西省重点研发计划(２０１９０３Ｄ４２１０４５)作者简介:吴波(１９９４￣)ꎬ男ꎬ硕士研究生ꎬ主要研究方向为多智能体协调同步等ꎻ通信作者:王健安教授ꎬＥ￣ｍａｉｌ:ｗｕｂｏ１９９４０９０３＠１６３ｃｏｍ基于布谷鸟鸽群融合算法的多智能体避障研究吴波ꎬ王健安(太原科技大学电子信息工程学院ꎬ太原０３００２４)摘要:针对多智能体系统在避障过程中易出现避障路径冗长、时效性较差的问题ꎬ提出一种布谷鸟鸽群融合避障算法ꎮ首先ꎬ利用自适应调整步长策略调整布谷鸟Ｌｅｖｙ飞行步长大小ꎬ进行长、短交替搜索获得鸟巢位置更新点ꎬ得到次优避障路径ꎻ其次ꎬ在次优路径的基础上ꎬ引入鸽群优化算法(ＰＩＯ)的地图罗盘算子与地表算子进行二次避障路径规划演示ꎬ再次更新位置点ꎬ进而获得最优避障路径ꎮ最后利用ＭＡＴＬＡＢ仿真ꎬ通过效率函数分析对比布谷鸟人工势场算法ꎬ在２０、４０、６０个随机分布的障碍物环境中ꎬ融合算法你避障时间缩短了约５５５％、１６００％、１７３５％关键词:多智能体系统ꎻ避障路径规划ꎻ布谷鸟算法ꎻ鸽群优化算法中图分类号:ＴＰ２４２文献标识码:Ａｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１６７３－２０５７.２０２３.０５.００６多智能体在协调彼此到达目的地途中ꎬ受周围客观环境约束的影响ꎬ不可避免会受到一些障碍物的阻挡ꎬ比如静、动态障碍物ꎬ规则、不规则障碍物等等ꎮ如何有效合理的避开这些障碍物ꎬ且保持一定的队形完成所需执行的任务ꎬ是多智能体系统[１]避障研究的热点问题之一ꎬ为此国内外科研团队提出了许多相应的解决方法ꎮ传统相关的多智能体避障方法主要有:人工势场法[２](ＡＰＦ)、遗传算法[３]、模糊逻辑控制法[４]等ꎮ人工势场法因具有计算简单、实用性好、便于完成底层控制等优点ꎬ在多智能体避障路径规划中广受青睐ꎬ温素芳等[５]为解决多智能体避障易陷入局部最优情况ꎬ重新定义了障碍物分布区间并优化了ＡＰＦ引、斥力的计算模型ꎻＹａｎｇ等[６]针对智能体时有目标点到达失败现象ꎬ实时...
