改进的头搜索优化算法用于机器人操纵器的反向动力学
Guojun Zhao1, Bo Tao2, Du Jiang1
1Key Laboratory of Metallurgical Equipment and Control Technology of Ministry of Education, Wuhan University of Science and Technology, Wuhan 430081, China.
Biomimetics (Basel, Switzerland)
|October 25, 2024
概括
一个新的 Bald Eagle 搜索算法与 Lévy 飞行增强了机器人反向动力学. 这种优化策略提高了准确性和效率,克服了复杂非线性问题的局部最佳值.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算智能是一种计算智能.
- 优化算法 优化算法
背景情况:
- 机器人操纵器反向动力学是复杂的,因为非线性和合动力学.
- 现有的优化算法在这些问题中经常与局部最佳值和效率作斗争.
研究的目的:
- 引入一个增强的搜索 (BES) 算法来解决机器人操纵器反向动力学.
- 通过整合Lévy飞行策略,提高BES算法的全球搜索效率和融合速度.
主要方法:
- 该研究提出了一种改进的" Bald Eagle Search (BES) "算法,将Lévy飞行集成为增强全球探索.
- 算法的性能在机器人操纵器逆动力学问题和基准CEC2017测试函数上进行了评估.
- 对其他优化算法进行了比较分析.
主要成果:
- 增强的BES算法在解决反向动力学方面实现了高精度 (高达10-18米).
- 它在准确性,收速度和稳定性方面比原来的BES算法显著改进.
- 该算法显示,对几个测试函数的标准偏差和平均值有超过70%的改进.
结论:
- 莱维的飞行策略有效地增强了白搜索算法的全球搜索能力.
- 拟议的算法是解决复杂的非线性优化问题的强大而有效的工具,包括机器人反向动力学.
- 该方法的实用性通过现实世界的工程优化任务来验证.
