Slime Mould Algorithm using Latin Hypercube Sampling and Improved Strategy for Solving Robot Gripper Problem

doi:10.1142/S1469026826500057

Slime Mould Algorithm using Latin Hypercube Sampling and Improved Strategy for Solving Robot Gripper Problem

2026-03-01

0

PRE

AI

DOI：10.1142/S1469026826500057

原文链接

原文求助

摘要

En 中文

机器人夹持器在制造业、物流和医疗保健等多个行业中发挥着关键作用，例如使机器人能够抓取、保持和操作物体。开发最佳机器人夹持器配置至关重要。本文通过提出黏菌算法（SMA）的一种新型变体，优化了机器人夹持器的几何配置。SMA是一种元启发式方法，模仿了黏菌的觅食行为。为改进SMA，引入了一种新型算法LHISMA，以在考虑其不足和特性的同时生成最优结果。为提高全局搜索性能并在整个搜索空间内实现更均匀的分布，使用拉丁超立方采样（LHS）初始化种群，以尽可能覆盖解空间。在SMA中引入改进的搜索策略以丰富种群多样性，增强其开发能力并提高所提算法的收敛精度。采用包含单峰和多峰类型的13个基准函数及CEC2022测试套件进行实验，以评估所提算法的性能。实验结果表明，与其它方法相比，LHISMA算法具有更高的收敛精度、更快的收敛速度和更强的全局搜索能力。使用LHISMA算法解决了复杂的机器人夹持器问题，并将结果与最流行的算法进行比较。比较结果证实LHISMA优于其它竞争算法。通过Wilcoxon秩和检验、Friedman检验和事后统计检验对结果进行了统计显著性检验。结果表明LHISMA算法在解精度方面的优势，收敛曲线和箱线图说明了用于优化机器人夹持器问题的算法效果。

Keyword:

Slime mould algorithm

robot gripper

optimization

exploration

Slime Mould Algorithm using Latin Hypercube Sampling and Improved Strategy for Solving Robot Gripper Problem

摘要

期刊

机构

引用论文