改进的灰狼优化算法及其在机器人路径规划中的应用

提出了一种利用克隆选择算法的混合灰狼优化器(pGWO-CSA)，以克服标准灰狼优化器(GWO)收敛速度慢、单峰函数精度低、多峰函数和复杂问题容易陷入局部最优的缺点。提出的pGWO-CSA的修改可以分为以下三个方面。首先，利用非线性函数代替线性函数来调整收敛因子的迭代衰减，实现开采与勘探的自动平衡;然后，设计出不受适应度较差的α狼和β狼影响的最优α狼;由于δ狼的适应度较低，设计了次优β狼。最后，将克隆选择算法(CSA)的克隆和超突变引入到GWO中，增强了跳出局部最优的能力。