[发明专利]一种改进的布谷鸟算法及优化机器人结构参数的方法

说明书

本发明公开了本发明一种改进的布谷鸟算法及优化机器人结构参数的方法，在传统的布谷鸟算法进行改进，用自适应步长控制因子α(t_i+1)替换原有固定的步长控制因子，能提高算法的收敛速度和性能；采用改进的布谷鸟算法，以全运动空间内运动学灵巧度为目标函数，搜索机器人的最优关节尺寸，能提高搜索深度和求解精度。

技术领域

本发明属于优化算法技术领域，涉及一种改进的布谷鸟算法，还涉及应用上述算法优化机器人结构参数的方法。

背景技术

为了使机器人在有限的空间内能够灵活高效的运动，需要对机器人结构参数进行优化设计。对机器人结构参数进行优化的方法大多数为遗传算法，但是遗传算法具有求解精度低，收敛速度慢等缺点。传统的布谷鸟算法虽应用广泛，但还是存在一定缺陷：莱维飞行随机性较大，缺乏有效机制来加强搜索深度，算法收敛精度不高。

发明内容

本发明的目的是提供一种改进的布谷鸟算法，解决了现有技术中存在的收敛精度低的问题。

本发明所采用的技术方案是，一种改进的布谷鸟算法，包括传统的布谷鸟算法，用自适应步长控制因子α(t_i+1)替换传统的布谷鸟算法中步长控制因子，α(t_i+1)通过下式表示：

上式中，T为当前迭代次数与总迭代次数之比，α_min为步长控制因子的下限，α_max为步长控制因子的上限，t_max为最大迭代次数，t_i为当前迭代次数。

本发明的特点还在于：

传统的布谷鸟算法包括以下步骤：

步骤1、初始化种群：设置鸟巢数量为m，维数为n，发现概率为pa，最大迭代次数为N，计算每个鸟巢位置的适应度；

步骤2、通过莱维飞行公式对鸟巢位置进行更新，莱维飞行公式为：

上式中，表示第t代第i个鸟巢位置；α(t_i+1)是步长控制因子；

步骤3、求解通过步骤2更新后鸟巢位置的适应度，若更新后的适应度高于更新前的适应度，则用更新后的鸟巢位置替换更新前的鸟巢位置；

步骤4、根据发现概率随机淘汰步骤3得到的部分鸟巢位置，并通过偏好随机行走更新被淘汰的鸟巢位置，偏好随机游走的公式为：

其中γ～U(0,1)，和为第t代中的两个随机鸟巢位置；

步骤5、计算经过步骤4更新后鸟巢位置的适应度，并输出适应度最好的鸟巢位置；

步骤6、对步骤2-5进行迭代，并判断是否满足终止条件，若满足，则步骤5得到的鸟巢位置为最优解，否则进行下一次迭代。

终止条件为达到最大迭代次数或步骤5得到的适应度达到终止范围。

本发明的另一目的是提供一种基于改进的布谷鸟算法优化机器人结构参数的方法，解决了现有技术中存在的求解精度低的问题。

本发明所采用的另一技术方案是，一种基于改进的布谷鸟算法优化机器人结构参数的方法，包括以下步骤：

步骤1、根据DH参数确定机器人第i个关节变换矩阵

上式中，a、d、α、θ均为关节尺寸；

将机器人每个关节的变换矩阵依次相乘得到机器人末端相对于基坐标的变换矩阵