计算机工程与应用

作者：蒋兴和, 冯毅雄, 金柯兵, 李志武, 吴潇, 洪兆溪, 谭建荣

单位：1.贵州大学 省部共建公共大数据国家重点实验室，贵阳 550025；2.浙江大学 流体动力与机电系统国家重点实验室，杭州 310027；3.澳门科技大学 系统工程研究所，澳门 519020；4.贵州大学 机械工程学院，贵阳 550025；

关键词：工业5.0,蜣螂优化器,多机器人系统,路径规划

基金：国家自然科学基金（52130501，52105281）；浙江省重点研发计划项目（2023C01214，2024C01029）。

为提升多机器人系统效率和安全性以促进工业5.0时代制造业的生产效率和质量，针对蜣螂优化器在多机器人路径规划中精度低、收敛性差和稳定性弱等问题，提出了一种多层增强的蜣螂优化器（MEDBO）。基于正弦函数构建正弦定向模型，为蜣螂选向提供全方位动态引导，同时，构建突变增殖模型，扩大蜣螂产卵区域，增加种群多样性和搜索能力。采用群体指导个体机制设计均值引导策略，增强算法的开发能力。引入对立学习，为对偶性估计提供理想候选解，防止次优收敛。通过CEC-2005、CEC-2017和CEC-2022测试套件中的28个优化问题，从定性分析、定量分析和统计检验维度对MEDBO进行实验，验证了该方法的有效性和可行性。此外，将MEDBO应用于多机器人系统在线路径规划的两个场景，通过平均适应度、平均时间消耗和平均最优-实际路径偏差指标验证了该方法的适用性。结果表明，随着机器人和动态、静态障碍物数量的增加，总路径长度减少了10.45%至43.48%，平均时间消耗相近且逐步缩小，平均最优-实际路径偏差降低了至少35.95%。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期