一种基于改进的河马优化算法的机器人最优路径规划方法

本发明公开了一种基于改进的河马优化算法的机器人最优路径规划方法。针对河马优化算法在路径规划中可能存在的问题，提出了多项改进措施。首先，采用Circle混沌映射策略代替随机初始化，以提高初始种群的质量和分布均匀性，增强全局探索能力。其次，对标准HO算法三个核心行为阶段的数学模型进行深度优化，引入了自适应动态权重、基于当前最优解和个体适应度的动态加权策略，以及引导性的莱维飞行方向调整。最后，引入一种动态阶段转换与自适应探索强度机制DPTAEI，根据算法的实时搜索进展动态调整个体在不同行为阶段的参与比例和探索行为的强度。通过这些改进，本发明的IHO算法在机器人路径规划问题上的寻优精度、收敛速度和全局搜索能力显著提高。