控制与决策

作者：沈波,杜鹏桢

单位：南京理工大学 计算机科学与工程学院， 南京 210094,,南京理工大学 计算机科学与工程学院， 南京 210094,

关键词：无人引导车;路径规划;常春藤算法;高斯引导机制;时序相似度量;局部最优逃脱

基金：国家自然科学基金项目(52472314).

针对常春藤算法这类固定维连续域优化方法难以直接处理具有离散约束和连贯性要求的无人车路径规划问题, 提出一种基于改进常春藤优化的高斯引导算法. 首先设计高斯引导机制, 提供一种可行的桥接式应用建模方式, 通过迭代优化引导点参数引导路径生成, 并利用路径离散特性大幅降低计算量; 然后对常春藤算法低值偏好的操作进行修正改进, 使路径搜索在全局范围更均衡, 并提出螺旋衰减策略更新生长速率, 使算法更适应路径离散环境; 最后设计一种局部陷阱逃脱机制, 利用动态时间规整算法检测局部陷阱, 重新分散种群以摆脱局部最优, 以增强全局搜索能力与算法稳定性. 在不同规模的仿真环境中进行实验, 结果表明所提出算法具有较好的求解质量和收敛效率, 同时展现出强大的稳定性与平滑性, 更符合无人车的行驶需求.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期