改进免疫克隆选择算法的多目标轨迹优化

针对机械臂的时间最短、轨迹最平滑、能量消耗最小等多目标下的轨迹优化问题,提出一种改进免疫克隆选择的多目标轨迹优化的方法。改进的算法采用tent混沌序列初始化种群,提高初始化群体的多样性和均匀性;引入自适应变异,改善算法的全局搜索能力和局部搜索能力;增加模拟二进制交叉操作,增强种群中个体之间的信息交流;采用递减消亡操作,既保证种群的多样性,避免出现局部最优,又避免在最终解集中出现不可行解。以PUMA560为仿真对象进行实验仿真,结果表明该改进算法可以得到分布均匀性较好的Pareto最优解集,是一种有效的多目标轨迹优化的方法。