一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106650917A(43)申请公布日2017.05.10(21)申请号201710000799.8(22)申请日2017.01.03(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人张立肖南峰(74)专利代理机构广州市华学知识产权代理有限公司44245代理人罗观祥(51)Int.Cl.G06N3/00(2006.01)权利要求书3页说明书8页附图3页(54)发明名称一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法(57)摘要本发明公开了一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法，包括步骤：1)初始化阶段，利用混沌映射初始化食物源群体并将整个群体划分成多个相互独立的子群并行演化；2)雇佣蜂阶段，引入控制参数调整雇佣蜂搜索新食物源时的搜索步伐与参数更改频率；3)基于适应度值计算出每个食物源的被选概率；4)观察蜂阶段，观察蜂以轮盘赌法选择一个食物源进行跟踪；5)侦查蜂阶段，侦查蜂搜索新的食物源替换掉花蜜匮乏的食物源；6)信息交流阶段，一个子群的较差食物源替换成另外一个子群的较优食物源。本发明方法改善了基本人工蜂群算法在求解机械臂逆运动学问题时的性能，具有较快的收敛速度和较强的全局搜索能力。CN106650917ACN106650917A权利要求书1/3页1.一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法，其特征在于，包括以下步骤：1)初始化阶段：利用混沌映射初始化食物源群体并将整个群体划分成多个相互独立的子群并行演化；2)雇佣蜂阶段：引入控制参数调整雇佣蜂搜索新食物源时的搜索步伐与参数更改频率；3)基于适应度值计算出每个食物源的被选概率；4)观察蜂阶段：观察蜂以轮盘赌法选择一个食物源进行跟踪；5)侦查蜂阶段：侦查蜂搜索新的食物源替换掉花蜜匮乏的食物源；6)信息交流阶段：一个子群的较差食物源替换成另外一个子群的较优食物源。2.根据权利要求1所述的一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法，其特征在于，在步骤1)中，所述的初始化阶段，具体如下：混沌是非线性系统中特有并普遍存在的一种现象，看似混乱却有精致的内在结构；随机性、遍历性和规律性是混沌最典型的特点，使其能按照自身的某一规律不重复地遍历给定范围内的所有状态；将混沌思想引入到人工蜂群算法中，能在一定程度上防止算法陷入局部最优并加快收敛速度；其中，采用如下的一维Logistic映射初始化食物源：Xn+1＝μXn(1-Xn)n＝0,1,...,K式中，Xn∈(0,1)，μ为Logistic参数，K是混沌序列的迭代次数；生成第i个初始食物源mi的过程如下：a)设置混沌序列的迭代次数K；b)随机生成混沌序列的初始向量ch0＝(ch01,ch02,...,ch0D)，其中D为食物源的参数数量即解空间的维数；c)根据混沌方程循环迭代K次，产生混沌向量chK＝(chK1,chK2,...,chKD)；d)产生初始食物源mi＝(mi1,mi2,...,miD)，其中：minmaxminmij＝mj+chKj(mj-mj),i＝1,2,...,SNj＝1,2,...Dmaxmin其中，mij表示第i个食物源的第j个参数，mj和mj分别代表第j个参数的最大与最小值，SN代表食物源数量，D代表解空间的维数；同时，每一个食物源都有一个被初始化为0的计数器trial表示尝试搜索的次数；初始食物源会在随后的阶段被雇佣蜂、观察蜂、侦查蜂循环迭代地探索，直至达到最大迭代次数MCN并得到最佳食物源；每一个食物源只能由一个雇佣蜂或观察蜂负责采集，即雇佣蜂、观察蜂和食物源三者的数量相等；将初始食物源群体划分成P个子群，每个子群单独地演化；各子群每迭代R次就相互交流信息；当所有子群都演化完毕后，对比各子群中最佳食物源并得到整个群体的最佳食物源。3.根据权利要求1所述的一种基于并行化混沌蜂群算法的机械臂逆运动学求解方法，其特征在于，在步骤2)中，所述的雇佣蜂阶段，具体如下：新算法引入控制参数更改率MR，雇佣蜂围绕食物源mi搜索新食物源vi时，针对mi的第j个参数生成随机数Rij∈(0,1)，Rij与MR比较后按下式生成vij：2CN106650917A权利要求书2/3页式中，mk是随机选择的第k个食物源，k不等于i，Фij表示参数的更改频率，在ABC中是区间[-1,1]之间的随机数，而在新算法中是区间[-SF,SF]之间的随机数；缩放因子SF是新算法引入的另外一个控制参数，它在算法运行前设定好并在搜索过程中按照Rechenberg1/5突变规则自动调整，依据该规则设定的调整公式如下：式中，Фm表示m次迭代搜索后的较优食物源与总食物源的数量比值，如果Фm小于1/5，SF减小使算法的开发能力