改進(jìn)免疫克隆選擇算法的多目標(biāo)軌跡優(yōu)化.pdf

1、針對(duì)機(jī)械臂的時(shí)間最短、軌跡最平滑、能量消耗最小等多目標(biāo)下的軌跡優(yōu)化問題，研究了工業(yè)機(jī)器人的逆運(yùn)動(dòng)學(xué)求解、軌跡規(guī)劃與優(yōu)化以及免疫克隆選擇算法的單目標(biāo)與多目標(biāo)優(yōu)化問題。提出一種利用改進(jìn)的單目標(biāo)免疫克隆選擇算法對(duì)機(jī)器人逆運(yùn)動(dòng)學(xué)求解的方法，以及對(duì)改進(jìn)的免疫克隆選擇多目標(biāo)算法進(jìn)行性能分析對(duì)比，并將改進(jìn)的多目標(biāo)算法應(yīng)用到軌跡優(yōu)化問題中。
　　論文首先闡述了機(jī)器人的軌跡規(guī)劃，詳細(xì)介紹了三次樣條曲線在軌跡規(guī)劃和優(yōu)化中的應(yīng)用。其次，在標(biāo)準(zhǔn)單目標(biāo)免疫

2、克隆選擇算法的基礎(chǔ)上進(jìn)行改進(jìn)，讓個(gè)體變異時(shí)根據(jù)自身情況和迭代代數(shù)確定變化大小的動(dòng)態(tài)變異，并改進(jìn)了算法中的消亡操作。然后，改進(jìn)的多目標(biāo)免疫克隆選擇算法，采用Tent混沌序列初始化種群，提高初始化群體的多樣性和均勻性;引入自適應(yīng)變異，改善了算法的全局搜索能力和局部搜索能力;增加模擬二進(jìn)制交叉操作，增強(qiáng)種群中個(gè)體之間的信息交流;采用遞減消亡操作，保證既能在迭代前期保持種群的多樣性，避免出現(xiàn)局部最優(yōu)，又能在迭代后期避免在最終解集中出現(xiàn)不可行解。

3、選用3個(gè)測(cè)試問題進(jìn)行算法仿真，用兩個(gè)解集覆蓋率的方法分析所改進(jìn)的多目標(biāo)算法的收斂性，用空間分布評(píng)價(jià)法來分析改進(jìn)算法的最優(yōu)解的分布均勻性。實(shí)驗(yàn)仿真表明，改進(jìn)的多目標(biāo)算法具有較好的收斂性、分布均勻性和寬廣性。
　　最后，以PUMA560為仿真對(duì)象進(jìn)行實(shí)驗(yàn)仿真。將改進(jìn)的單目標(biāo)算法，對(duì)PUMA560機(jī)器人進(jìn)行逆運(yùn)動(dòng)學(xué)求解，改進(jìn)的算法有效地提高求解問題的精度。用改進(jìn)的多目標(biāo)免疫克隆選擇算法對(duì)軌跡進(jìn)行多目標(biāo)優(yōu)化。將方法得出的結(jié)果與加權(quán)多目標(biāo)的