基于余弦函数改进的PSO算法及其仿真

粒子群算法具有简单、易于实现等优点在科学与工程领域得到了很好的验证,但是粒子群优化算法与其他进化算法一样存在容易陷入局部极小和早熟收敛等缺点。分析了其存在缺点的主要原因,并此基础上提出了一种改进的粒子群算法(CPSO)。利用余弦函数非线性改变惯性权重、对称改变学习因子进一步提高了粒子的学习能力,同时引入了细菌趋化操作用以维持种群多样性,使得CPSO算法性能在一定程度上优于标准粒子群(SPSO)算法。利用五个标准测试函数对三种算法的仿真结果进行可对比分析,分析结果表明:CPSO算法能在一定程度上跳出局部最优,有效地避免了SPSO算法早熟收敛问题,并具有较快的收敛速度。

基于PSO算法优化的机械臂轨迹规划研究

目前机械臂轨迹规划的优化目标大多在最短路径、最优时间等方面且存在由于多项式差值轨迹规划具有阶次高、没有凸包性,难以应用传统优化方法进行优化等缺点。现提出了对最小能耗、最小加加速度等指标的优化。该优化是在传统时间最优的基础上,利用粒子群优化的4-3-4多项式插值轨迹规划算法,针对综合时间、能耗、加加速度等指标进行优化。实验以三关节机械臂为例进行仿真,结果证明了PSO优化过程和能耗函数的有效性。