标题：基于改进瞪羚算法的无人车路径规划
作者：武刚 张恩铭
作者单位：沈阳大学信息工程学院，辽宁 沈阳 110003
关键字：智能优化算法；瞪羚算法；无人车路径规划
摘要：无人车路径规划是自动驾驶中的核心问题，现有方法在复杂环境中面临诸多挑战。提出了一种改进的瞪羚优化算法（Gazelle Optimization Algorithm，GOA），通过引入随机步长策略、高斯分布扰动和改进的自适应公式，对算法进行了多维度优化，显著提升了算法的全局探索能力、收敛速度和稳定性。采用15个经典基准测试函数和道路环境仿真实验，对改进算法与原始GOA以及其他主流算法（如PSO、ABC、IGWO、JAYA等）进行了全面对比分析。实验结果表明，改进后的GOA算法在路径规划精度和计算效率上均有显著提升，其收敛速度更快，优化结果的波动性更小，尤其在高维多峰函数和复杂路径规划场景中表现出优越的性能，验证了其在实际工程应用中的潜力。改进GOA算法在解决复杂优化问题时的高适应性和鲁棒性，为无人车路径规划提供了重要的技术支撑。