为了获得复杂环境下智能巡检机器人最优巡检路径,提升巡检效率,提出了基于改进遗传算法的巡检机器人路径规划算法。在种群初始化阶段使用混沌算法降低算法陷入局部最优的概率,使用自适应策略优化交叉算子与变异算子,进一步提升算法的收敛速度、执行性能和求解质量;针对遗传算法局部寻优能力差的问题,采用模拟退火算法强化其整体寻优能力。对比实验结果显示,提出的算法较经典遗传算法、蚁群算法等具有更好的表现力,规划的路径也更为合理。

介绍了用最小二乘圆法评定圆度误差的准则。综合SWIFT法和混沌算法的优点，提出了改进的混沌优化算法，并通过对圆度误差测量数据处理的应用实例，说明了该优化算法的优点，从而达到全局最优。该优化算法也可推广应用于对其它测量误差的数据处理中。

微分扩张状态观测器作为自抗扰控制技术的核心之一，具有很好的滤波性能，在目标跟踪领域可以很好地实现对目标运动轨迹的预测。针对DESO参数多且难以整定的问题，提出了基于混沌遗传的参数整定算法。算法有效提升了遗传算法的寻优能力，提高了算法的收敛速度，在一定范围内能够求得的全局最优解，满足对多种运动模型的滤波精度要求。仿真实验结果证实了所提算法的可行性和有效性，并表明通过混沌遗传算法整定出的DESO参数具有很强的鲁棒性。