文章标题：基于多策略麻雀搜索算法的机器人路径规划：改进的无限折叠迭代混沌映射与发现者更新
公式、侦察者比例及正弦余弦算法的融合
一、引言
随着智能算法的不断发展，机器人路径规划技术得到了广泛的应用。杨红、杨超在他们的研究中提出
了一种基于多策略麻雀搜索算法的机器人路径规划方法。本文将基于该研究，对算法进行进一步的改
进和优化，主要涉及到改进的无限折叠迭代混沌映射、改进的发现者更新公式、改进的侦察者比例以
及正弦余弦算法的融合。
二、原始的麻雀搜索算法与机器人路径规划
麻雀搜索算法是一种启发式搜索算法，具有较高的搜索效率和较好的全局寻优能力。在机器人路径规
划中，麻雀搜索算法能够有效地寻找出从起点到终点的最优路径。然而，随着路径复杂度的增加，传
统麻雀搜索算法可能陷入局部最优解，导致无法找到全局最优路径。
三、改进的无限折叠迭代混沌映射
为了解决这一问题，我们提出了一种改进的无限折叠迭代混沌映射。该映射能够在迭代过程中产生更
加丰富的状态空间，从而提高算法的全局寻优能力。通过将该混沌映射与麻雀搜索算法相结合，我们
可以有效地避免算法陷入局部最优解，提高机器人路径规划的准确性和效率。
四、改进的发现者更新公式与侦察者比例
在麻雀搜索算法中，发现者和侦察者的更新公式以及侦察者比例是影响算法性能的关键因素。我们针
对这些问题进行了改进。通过优化发现者更新公式，我们可以更好地平衡算法的全局寻优能力和局部
搜索能力。同时，通过调整侦察者比例，我们可以使算法在探索和开发之间达到更好的平衡，进一步
提高机器人路径规划的效果。
五、正弦余弦算法的融合
为了进一步提高算法的性能，我们将正弦余弦算法与麻雀搜索算法进行了融合。正弦余弦算法是一种
基于正弦和余弦函数的优化算法，具有较好的寻优能力和稳定性。通过将正弦余弦算法与麻雀搜索算
法相结合，我们可以利用两种算法的优点，进一步提高机器人路径规划的准确性和效率。
六、实验与结果分析
