针对三维复杂场景下的机器人路径规划，通过参数自适应、反向学习和柯西变异三种机制提升了原算法的探索能力与收敛精度，可获得高可靠路径。
汤俊 · Pan, Qingtao · Zhishuai, Chen · Gang, Liu · Guoli, Yang · Feng, Zhu · Songyang, Lao
IEEE Transactions on Aerospace and Electronic Systems 2024
通过反向学习和柯西变异，种群能更有效地逃离局部最优，提高找到全局最优路径的概率。
参数自适应机制平衡了探索与开发，使算法在优化后期能够精细搜索，提高路径质量。
结合三次样条插值，生成的路径更平滑、可行，适用于复杂三维环境。
通过虚拟仿真和硬件在环实验，定性和定量分析均表明算法高效、可靠、可扩展。