| 270 | 1 | 175 |
| 下载次数 | 被引频次 | 阅读次数 |
针对复杂农田环境下机器人路径规划传统算法收敛慢、易陷入局部最优问题，提出一种改进美洲狮优化算法(Puma Optimization Algorithm, POA)。算法基于仿生机制构建双阶段动态搜索策略：在探索与开发阶段引入交叉变异操作增强种群多样性，并设计概率接受准则避免局部最优；结合栅格地图建模，构建含障碍物碰撞惩罚的分段适应度函数，协同优化路径安全性与经济性。在20 m×20 m、30 m×30 m、40 m×40 m三种栅格环境中的仿真表明，相较于对比算法，改进POA最优路径长度缩短了4.4%～8.8%,平均适应度值稳定性提升了22.5%,路径平滑度(拐点数)平均减少了16.3%,验证了该算法在寻优精度、收敛效率与鲁棒性上的显著优势，为农业机器人复杂环境作业提供了高效的解决方案。
Abstract：To address the problems of slow convergence and proneness to falling into local optimality of traditional algorithms for robot path planning in complex farmland environments, an improved Puma Optimization Algorithm(POA) is proposed. The algorithm is constructed based on a bionic mechanism to develop a two-stage dynamic search strategy. The algorithm incorporates crossover and mutation operations during both exploration and exploitation phases to enhance population diversity, while implementing a probabilistic acceptance criterion to escape local optimization. Integrated with grid map modeling, it employs a segmented fitness function with obstacle collision penalties to cooperatively optimize path safety and economy. Simulation results across 20 m×20 m, 30 m×30 m, and 40 m×40 m grid environments demonstrate that the improved POA reduces optimal path length by 4.4%～8.8%, enhances average fitness value stability by 22.5%, and decreases turning points by 16.3% compared to benchmark algorithms, validating its superior optimization accuracy, convergence efficiency, and robustness, and thus providing an efficient solution for the operation of agricultural robots in complex environments.
[1] 王杰，经俊森，陈正伟，等.基于Harris和卡尔曼滤波的农业机器人田间稳像算法[J].农业机械学报，2023,54(1):30-36.
[2] 张振，张华良，邓永胜，等.融合改进A*算法与DWA算法的机器人实时路径规划[J].无线电工程，2022,52(11):1984-1993.
[3] 朱倩，王公仆，张万枝，等.甘薯种植机械化关键技术与装备研究进展[J].中国农机化学报，2025,46(7):36-42.
[4] 米挺.计算机技术在农业机械设计、制造及智能化中的应用研究[J].南方农机，2025,56(7):188-191.
[5] 巫光福，王小林.求解无人机三维路径规划问题的动态多子群樽海鞘群算法[J].科学技术与工程，2025,25(13):5501-5514.
[6] 宋云云，李兴鑫.PSO-RRT机器人可行路径搜索融合算法[J].智能计算机与应用，2025,15(1):165-170.
[7] 温静怡，于楠，肖明明，等.基于滑模控制的无人机集群汇入鲁棒控制方法[J].指挥信息系统与技术，2025,16(2):49-55.
[8] 李霜琳，何家皓，敖海跃，等.基于鸽群优化算法的火星飞行器智能可视图法[J].飞行力学，2020,38(5):93-97.
[9] HU J Y,NIU H L,JOAQUIN C,et al.Voronoi-based Multi-robot Autonomous Exploration in Unknown Environments via Deep Reinforcement Learning[J].IEEE Transactions on Vehicular Technology,2020,69(12):14413-14423.
[10] 王宝财，吴国伟.一种可解释的信用风险评估模型：基于注意力机制的规则提取方法[J/OL].计算机科学，1-19[2025-08-24].https://link.cnki.net/urlid/50.1075.tp.20250529.1622.035.
[11] 申晓宁，徐继勇，毛鸣健，等.基于双指标分组学习粒子群算法的动态敏捷软件项目调度[J].计算机工程与科学，2024,46(10):1793-1806.
[12] 郭慧.面向智算中心的多维资源智能协同调度关键技术研究[D].北京：北京邮电大学，2024.
[13] 苏仁斌，熊卫红，刘先珊，等.基于时序LSTM-MLP模型的输电线路非平稳型覆冰厚度预测[J].科学技术与工程，2024,24(36):15483-15496.
[14] 李鹏，陈守静，杨山山，等.基于Logistic映射的果蝇算法优化Otsu图像分割方法[J].国外电子测量技术，2022,41(7):9-17.
[15] 王佳荣，周超.改进PSO及其在机器人路径规划中的应用[J].计算机仿真，2024,41(5):436-440.
[16] 李忠林，贾玉婷，蒋晓丽.改进遗传算法的移动机器人路径规划研究[J].现代信息科技，2024,8(23):180-183.
[17] 王涛，喻韬.一种基于遗传模拟退火算法的通信卫星资源规划方法[J].无线电工程，2021,51(8):767-772.
[18] 张浩，刘薇.基于改进蚁群算法的机器人路径规划[J].科学技术与工程，2025,25(3):1142-1149.
[19] 赵从薇，胡春朝，马梓元，等.基于改进哈里斯鹰优化算法的多巡飞弹航路规划[J].海军航空大学学报，2025,40(4):557-566.
[20] ABDOLLAHZADEH B,KHODADADI N,BARSHANDEH S,et al.Puma Optimizer (PO):A Novel Metaheuristic Optimization Algorithm and Its Application in Machine Learning[J].Cluster Computing,2024(4):27:5235-5283.
[21] 乔瑀，袁峰，石明辉，等.基于美洲狮优化算法的微位移间隙调节机构PID寻优控制[J/OL].机电工程，1-9[2025-05-24].https://link.cnki.net/urlid/33.1088.TH.20250423.1452.008.
[22] 王震.基于ECM-GLPO-TLB模型的电力负荷短期预测研究[D].西安：西安理工大学，2024.
[23] ELKENAWY M S E,ALHUSSAN A A,EID M M,et al.Rainfall Classification and Forecasting Basedon a Novel Voting Adaptive Dynamic Optimization Algorithm[J].Frontiers in Environmental Science,2024,12:1417664.
[24] KMICH M,GHOUATE E N,BENCHARQUI A,et al.Chaotic Puma Optimizer Algorithm for Controlling Wheeled Mobile Robots[J].Engineering Science and Technology,an International Journal,2025,63:101982.
[25] 赵越，李言锋.基于遗传算法的无人机农药喷洒航迹规划[J].智能计算机与应用，2023,13(8):88-93.
[26] AWAD N H,ALI M Z,SUGANTHAN P N,et al.Problem Definitions and Evaluation Criteria for the CEC 2017 Special Session and Competition on Single Objective Bound Constrained Real-parameter Numerical Optimization[EB/OL].(2016-10-15)[2025-05-11].https://staff.elka.pw.edu.pl/～ewarchul/cec2017-specification.pdf.
[27] 高飞翔，郝万君，吴宇，等.改进人工势场法机器人避障路径规划研究[J].计算机仿真，2023,40(9):431-436.
[28] 宋俊福，徐炳辉，张岩，等.基于改进自适应遗传算法的机器人路径规划[J].信息技术，2022,46(11):49-53.
[29] 朱喜明.基于改进灰狼优化算法的移动机器人路径规划研究[D].合肥：安徽农业大学，2024.
基本信息:
中图分类号:S24;TP242;TP18
引用信息:
[1]虎媛,代永强.基于改进美洲狮优化算法的农业机器人路径规划研究[J].无线电工程,2025,55(12):2496-2506.
基金信息:
甘肃省自然科学基金(25JRRA355); 甘肃省高校创新基金资助项目(2022B-107)~~
2025-11-06
2025-11-06
2025-11-06