差分进化算法的改进研究

标准差分进化算法在算法精度等方面存在缺陷,需要结合实际应用需求完成算法改进。在把握差分进化算法原理和流程的基础上,从控制参数调整、操作算子改进等方面提出了算法的改进方法,并结合约束优化问题进行了实践探索,提出了基于广义反向学习策略和自适应权衡模型改进算法,最终通过测试验证了算法的有效性,以供参考。

基于多种群遗传算法的一般机器人逆运动学求解

几何结构不满足Pieper准则的机器人被称为一般机器人,其逆运动学运算不能采用封闭解法,而采用数值解法又需要庞大的计算量,且存在奇异位置无法求解的问题。为此,将多种群遗传算法应用于运动学逆解运算,提出一种适用于一般机器人的高精度并行求逆算法。为避免机器人位姿收敛精度不同,该算法将目标函数分解为位置和姿态函数,同时引入适应度函数权值系数来平衡两函数收敛速度;为避免局部收敛,该算法采用多点交叉和均匀交叉相结合的交叉算子,并逐步增大均匀交叉概率来抑制短子串偏差,使搜索趋于稳健;为提高收敛速度,该算法采用动态变异率的变异算子,以及种群替代和个体替代相结合的移民算子来克服全局收敛的盲目性。以封闭解法和数值解法无法求逆的6R一般机械臂为对象,开展与单种群遗传算法的对比试验,结果表明:该算法可在避免局部收敛的基础上保证算法稳定性,且能够大幅提升收敛精度和速度。