摘要：针对基于灰狼优化算法的机器人在路径寻优过程中易陷入局部最优和后期收敛速率慢的问题，提出一种混合粒子群与改进灰狼的算法（PGWO）。通过粒子群算法确定狼群初始适应度值，改进传统灰狼中的收敛因子，在平衡其搜索能力同时，提高算法后期的搜索速率，对种群权重进行动态分配来降低陷入局部最优的可能性，将粒子群与改进的灰狼算法混合运行后获得最优解。结果表明，在两种栅格地图上，PGWO与传统灰狼算法相比，路径分别缩短了35.03%和34.58%，搜索时间分别减少了52.69%和51.06%，收敛速度分别提升了30.62%和34.30%；与改进灰狼算法相比，路径分别缩短了22.03%和23.04%，搜索时间分别减少了33.05%和25.81%，收敛速度分别提升了16.83%和20.98%；与蚁群算法相比，路径分别缩短了24.08%和25.41%，搜索时间分别减少了65.04%和79.74%，收敛速度分别提升了23.53%和32.34%，说明了PGWO算法在路径寻优中的有效性。
