白介素调节的多机器人队形免疫网络控制算法

为了提高多机器人队形控制精度和效率,尤其是偏离预定轨道时的纠正能力,提出一种白介素调节的多机器人队形免疫网络控制算法。将机器人的速度和期望队形重心分别作为抗体和抗原,借鉴Jerne的独特型免疫网络假设,通过抗体和抗原的刺激和抑制来构建队形控制免疫协作网络;在白介素免疫调节机理启发下,定义白介素调节因子来解决机器人轨道偏离时的纠正难题;通过抗体激励值自适应选择速度完成队形控制。4种不同环境下的数值测试表明,与其他算法相比,白介素免疫网络算法不仅能够形成规定队形,而且队形形成所需时间平均减少73%,平均位移减少60%,且平均偏差角度逼近于0。仿真平台下的干扰测试结果也进一步验证了该算法的有效性和优越性。

免疫机制协作遗传算法的多目标拆卸线平衡优化

为解决拆卸线上工作站负荷不均衡问题,针对拆卸线平衡模型的多目标、多约束属性,提出了一种基于Pareto解集的多目标免疫机制协作遗传算法.该算法在遗传操作中融入免疫机制,将带问题特征信息的加权值作为疫苗库的构造规则,通过接种疫苗、免疫检测、免疫平衡和免疫选择等操作,引导个体向最优解靠拢,并维持种群的多样性.采用Pareto解集的多目标处理方法实现了对多个目标的协同优化,在决策者偏好未知情况下提供侧重点不同的多种方案.通过种群初始化规则对比实验,验证了节拍时间约束下的启发式规则能生成高质量的初始解.通过求解不同规模的拆卸实例,并与多种已有算法进行对比,结果表明了所提算法的有效性和优越性.