多策略蛇优化算法

路径缩短 精度超97%

融合帐篷映射、动态惯性权重与反向学习，收敛更快且不易陷入局部最优。

Xue, Yige

Journal of Supercomputing 2025

参数信息

目标搜索准确率

>97 %

技术优势

收敛更快

动态惯性权重与Lévy飞行相结合，在探索阶段优化搜索性能，平衡全局搜索与局部开发，从而加速收敛。

不易陷入局部最优

采用质心反向学习更新个体位置，保持种群多样性，降低陷入局部最优的风险。

基准测试全面优于对比算法

在23个CEC 2005测试函数上，多数情况下显著优于10种对比算法。

路径规划准确率超过97%

在图书馆机器人路径规划应用中，目标搜索准确率超过97%，显著高于对比算法。

应用场景

• 机器人路径规划：为图书馆机器人提供更短、更安全的路径，减少能耗与时间。
• 具身智能算法：用多策略融合优化器提升智能体在复杂环境中的决策质量。
• 移动机器人导航：加速移动机器人在未知环境中的路径收敛，提高导航效率。
• 工业机器人控制：提供更优的轨迹规划，降低工业机器人运动控制的能耗与时间。
• 无人机航迹规划：以更高准确率规划无人机路径，避免局部最优导致的绕行。