吉林大学学报(工学版) ›› 2025, Vol. 55 ›› Issue (8): 2703-2710.doi: 10.13229/j.cnki.jdxbgxb.20231190

• 计算机科学与技术 • 上一篇    下一篇

基于中心选择大逃杀优化算法的机器人逆运动学求解

张宇飞1,2(),王丽敏3(),赵建平2,贾智尧3,李明洋4   

  1. 1.长春大学 计算机科学技术学院，长春 130022
    2.长春理工大学 计算机科学技术学院，长春 130022
    3.广东财经大学 信息学院，广州 510320
    4.长春工业大学 经济管理学院，长春 130012
  • 收稿日期:2023-11-02 出版日期:2025-08-01 发布日期:2025-11-14
  • 通讯作者: 王丽敏 E-mail:2019200107@mails.cust.edu.cn;20211016@gdufe.edu.cn
  • 作者简介:张宇飞（1993-），女，博士研究生．研究方向：计算智能算法. E-mail： 2019200107@mails.cust.edu.cn
  • 基金资助:
    国家自然科学基金项目(61472049);国家自然科学基金项目(6157225);国家社会科学基金项目(22BTJ057)

Robot inverse kinematics solution based on center selection battle royale optimization algorithm

Yu-fei ZHANG1,2(),Li-min WANG3(),Jian-ping ZHAO2,Zhi-yao JIA3,Ming-yang LI4   

  1. 1.College of Computer Science and Technology，Changchun University，Changchun 130022，China
    2.School of Computer Science and Technology，Changchun University of Science and Technology，Changchun 130022，China
    3.School of Information，Guangdong University of Finance and Economics，Guangzhou 510320，China
    4.School of Economics and Management，Changchun University of Technology，Changchun 130012，China
  • Received:2023-11-02 Online:2025-08-01 Published:2025-11-14
  • Contact: Li-min WANG E-mail:2019200107@mails.cust.edu.cn;20211016@gdufe.edu.cn

RICH HTML

 0   

PDF (PC)

6

摘要：

为解决大逃杀优化算法时间复杂度高和全局探索能力不足的问题，提出了一种基于混沌映射、中心选择和精英自适应策略的改进大逃杀优化算法。与粒子群优化算法、鲸鱼优化算法和大逃杀优化算法在基准函数上的测试结果相比，改进大逃杀优化算法的时间复杂度明显降低，收敛精度、速度和稳定性显著提高。在求解机器人逆运动学问题的应用中，改进大逃杀优化算法的求解精度和稳定性优于传统大逃杀优化算法，证明了其在解决机器人逆运动学问题上的实用性和发展潜力。

关键词: 计算机应用技术, 大逃杀优化算法, 中心选择, 精英自适应, 逆运动学

Abstract:

In order to solve the problems of high time complexity and insufficient global exploration ability of the battle royale optimization algorithm， this paper proposes an improved battle royale optimization algorithm based on chaos mapping， center selection and elite adaptive strategy. Compared with the test results of particle swarm optimization algorithm， whale optimization algorithm， and the battle royale optimization algorithm， the improved battle royale optimization algorithm significantly reduces time complexity and notably enhances convergence precision， speed， and stability. In the application of solving the inverse kinematics problem of robots， the accuracy and stability of the improved battle royale optimization algorithm are better than those of the traditional battle royale optimization algorithm， proving its practicality and potential for development in solving robot inverse kinematics problems.

Key words: computer application technology, battle royale optimization algorithm, center selection, elite adaptive strategy, inverse kinematics

中图分类号: 

  • TP301.6

图1

TCABRO算法的流程图"

表1

基准函数"

函数类型函数名称最优值
单峰函数F1： Shifted and Rotated Bent Cigar Function100
多峰函数F6： Shifted and Rotated Expanded Scaffer's F6 Function600
混合函数F13： Hybrid Function 3（N = 3）1 300
F15： Hybrid Function 5（N = 4）1 500
复合函数F23： Composition Function 3（N = 4）2 300
F27： Composition Function 7（N = 6）2 700

表2

所有算法的其他相关参数"

算法参　数
PSO惯性权重w=0.8，学习因子c1=c2=2
WOA收敛因子a是从2到0的线性递减，螺旋形状的常数b= 1
BRO伤害阈值为3
M-BRO随机因子r1∈[0,1]，r2∈[0,1]，移动步长λdam,d∈[0,1]
TCABROλ=2，w1=w2=1，r1∈[0,1]，r2∈[0,1]，伤害阈值为3

表3

各算法测试结果对比"

函数PSOWOABROM-BROTCABRO
平均值标准差平均值标准差平均值标准差平均值标准差平均值标准差
F11.34×10103.48×1095.09×1082.78×1082.17×10101.80×1094.76×1081.66×1084.98×1035.18×103
F65.83×1018.94×1007.50×1017.38×1007.10×1016.25×1005.78×1011.32×1013.96×1017.62×100
F134.82×1086.87×1084.94×1054.03×1051.49×1096.69×1088.91×1065.24×1061.29×1047.30×104
F154.73×1073.88×1072.94×1052.75×1051.76×1048.24×1032.80×1051.63×1052.32×1031.67×103
F238.52×1026.99×1017.34×1028.86×1011.05×1038.76×1016.45×1026.58×1016.08×1025.69×101
F279.38×1021.06×1026.78×1028.76×1011.40×1031.52×1026.06×1025.13×1014.99×1025.21×100

图2

TCABRO算法和对比算法在基准函数上的收敛曲线"

表4

TCABRO算法和对比算法的运行时间 (s)"

函数

PSO

WOA

BRO

M-BRO

TCABRO

F1

0.94

1.03

3.26

3.17

0.84

F6

0.62

0.71

3.61

3.39

1.24

F13

0.41

0.49

3.40

3.20

0.97

F15

0.37

0.47

3.34

3.16

0.93

F23

0.87

0.97

3.93

3.73

1.64

F27

1.16

1.28

4.19

4.08

2.01

图3

PUMA 560机器人示意图"

表5

PUMA 560机器人的D-H参数"

序号连杆长度/m扭转角/（°）偏移量/m关节角/（°）
最小值最大值
10900-160160
2000-24545
30.431 8-900.149 1-45225
40.020 3900.133 1-110170
50-900-100100
6000-266266

表6

机器人逆运动学求解结果"

算法

种群

个数N

最大迭代次数T平均值标准差
TCABRO251003.84×10-64.14×10-6
253005.74×10-77.24×10-7
501009.74×10-71.16×10-6
503002.22×10-83.14×10-8
1001007.62×10-79.73×10-7
1003004.31×10-99.15×10-9
2001001.65×10-82.15×10-8
2003001.67×10-92.28×10-9
3001001.55×10-92.47×10-9
3003003.08×10-104.29×10-10
3005002.10×10-124.09×10-12
BRO251003.70×10-43.50×10-4
253001.80×10-42.10×10-4
501001.90×10-42.10×10-4
503007.24×10-51.50×10-4
1001001.91×10-53.77×10-5
1003001.06×10-42.13×10-5
2001006.95×10-52.37×10-5
2003006.20×10-61.53×10-5
3001001.88×10-63.81×10-6
3003007.14×10-72.78×10-6
3005001.89×10-76.45×10-7
[1] Kong Y, Song S, Zhang N, et al. Design and kinematic modeling of in-situ torsionally-steerable flexible surgical robots[J]. IEEE Robotics and Automation Letters, 2022, 7(2): 1864-1871.
[2] Li J, Yu H, Shen N, et al. A novel inverse kinematics method for 6-DOF robots with non-spherical wrist[J]. Mechanism and Machine Theory, 2021, 157: 104180.
[3] Starke S, Hendrich N, Zhang J. Memetic evolution for generic full-body inverse kinematics in robotics and animation[J]. IEEE Transactions on Evolutionary Computation, 2019, 23(3): 406-420.
[4] Rahkar F T. Battle royale optimization algorithm[J]. Neural Computing and Applications, 2021, 33(4): 1139-1157.
[5] Wu H, Zhang X, Song L, et al. A hybrid improved BRO algorithm and its application in inverse kinematics of 7R 6DOF robot[J]. Advances in Mechanical Engineering, 2022, 14(3): 16878132221085125.
[6] Alamgir F M, Alam M S. A novel deep learning-based bidirectional elman neural network for facial emotion recognition[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2022, 36(10): 2252016.
[7] Karamnejadi A K, Kakouee A, Mollajafari M, et al. Developed design of battle royale optimizer for the optimum identification of solid oxide fuel cell[J]. Sustainability, 2022, 14(16): 14169882.
[8] Akan T, Agahian S, Dehkharghani R. Battle royale optimizer for solving binary optimization problems[J]. Software Impacts, 2022, 12: 100274.
[9] Akan S, Akan T. Battle royale optimizer with a new movement strategy[J]. Handbook of Nature-Inspired Optimization Algorithms, 2022, 9: 265-279.
[10] 国强, 朱国会, 李万臣. 基于混沌麻雀搜索算法的TDOA/FDOA定位[J]. 吉林大学学报: 工学版, 2023, 53(2): 593-600.
Guo Qiang, Zhu Guo-hui, Li Wan-chen. TDOA/FDOA localization based on chaotic sparrow search algorithm[J]. Journal of Jilin University (Engineering and Technology Edition), 2023, 53(2): 593-600.
[11] Wu G, Mallipeddi R, Suganthan P. Problem definitions and evaluation criteria for the CEC 2017 competition on constrained real-parameter optimization[R]. Changsha: National University of Defense Technology, 2017.
[12] Kennedy J, Eberhart R. Particle swarm optimization[C]∥Proceedings of IEEE International Conference on Neural Networks. Perth: IEEE, 1995: 1942-1948.
[13] Mirjalili S, Lewis A. The whale optimization algorithm[J]. Advances in Engineering Software, 2016, 95: 51-67.
[14] Elsherbiny A, Elhosseini M A, Haikal A Y. A new ABC variant for solving inverse kinematics problem in 5 DOF robot arm[J]. Applied Soft Computing, 2018, 73: 24-38.
[15] Lv X, Zhao M. Application of improved BQGA in robot kinematics inverse solution[J]. Journal of Robotics, 2019, 2019: 1659180.
[1] 李文辉,杨晨. 基于对比学习文本感知的小样本遥感图像分类[J]. 吉林大学学报(工学版), 2025, 55(7): 2393-2401.
[2] 车翔玖,李良. 融合全局与局部细粒度特征的图相似度度量算法[J]. 吉林大学学报(工学版), 2025, 55(7): 2365-2371.
[3] 车翔玖,孙雨鹏. 基于相似度随机游走聚合的图节点分类算法[J]. 吉林大学学报(工学版), 2025, 55(6): 2069-2075.
[4] 周丰丰,郭喆,范雨思. 面向不平衡多组学癌症数据的特征表征算法[J]. 吉林大学学报(工学版), 2025, 55(6): 2089-2096.
[5] 王健,贾晨威. 面向智能网联车辆的轨迹预测模型[J]. 吉林大学学报(工学版), 2025, 55(6): 1963-1972.
[6] 胡云峰,李佳敏,唐志国. 移动装弹机械臂的逆运动学多种群灰狼算法求解方法[J]. 吉林大学学报(工学版), 2025, 55(4): 1443-1452.
[7] 车翔玖,武宇宁,刘全乐. 基于因果特征学习的有权同构图分类算法[J]. 吉林大学学报(工学版), 2025, 55(2): 681-686.
[8] 梁礼明,周珑颂,尹江,盛校棋. 融合多尺度Transformer的皮肤病变分割算法[J]. 吉林大学学报(工学版), 2024, 54(4): 1086-1098.
[9] 拉巴顿珠,扎西多吉,珠杰. 藏语文本标准化方法[J]. 吉林大学学报(工学版), 2024, 54(12): 3577-3588.
[10] 叶育鑫,夏珞珈,孙铭会. 增强现实环境中基于假想键盘的手势输入方法[J]. 吉林大学学报(工学版), 2024, 54(11): 3274-3282.
[11] 车娜,朱奕明,赵剑,孙磊,史丽娟,曾现伟. 基于联结主义的视听语音识别方法[J]. 吉林大学学报(工学版), 2024, 54(10): 2984-2993.
[12] 薛珊,张亚亮,吕琼莹,曹国华. 复杂背景下的反无人机系统目标检测算法[J]. 吉林大学学报(工学版), 2023, 53(3): 891-901.
[13] 时小虎,吴佳琦,吴春国,程石,翁小辉,常志勇. 基于残差网络的弯道增强车道线检测方法[J]. 吉林大学学报(工学版), 2023, 53(2): 584-592.
[14] 张铮,朱齐丹,吕晓龙,樊星. 冗余机械臂运动学逆解的求解优化方法[J]. 吉林大学学报(工学版), 2023, 53(12): 3379-3387.
[15] 王振,杨宵晗,吴楠楠,李国坤,冯创. 基于生成对抗网络的序列交叉熵哈希[J]. 吉林大学学报(工学版), 2023, 53(12): 3536-3546.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 刘庆民，王龙山，陈向伟，李国发. 滚珠螺母的机器视觉检测[J]. 吉林大学学报(工学版), 2006, 36(04): 534 -538 .
[2] 张全发，李明哲，孙刚，葛欣 . 板材多点成形时柔性压边与刚性压边方式的比较[J]. 吉林大学学报(工学版), 2007, 37(01): 25 -30 .
[3] 冯浩，席建锋，矫成武 . 基于前视距离的路侧交通标志设置方法[J]. 吉林大学学报(工学版), 2007, 37(04): 782 -785 .
[4] 杨树凯，宋传学，安晓娟，蔡章林 . 用虚拟样机方法分析悬架衬套弹性对
整车转向特性的影响[J]. 吉林大学学报(工学版), 2007, 37(05): 994 -0999 .
[5] 车翔玖，刘大有，王钲旋 .

两张NURBS曲面间G1光滑过渡曲面的构造

[J]. 吉林大学学报(工学版), 2007, 37(04): 838 -841 .
[6] 刘寒冰，焦玉玲，，梁春雨，秦卫军 . 无网格法中形函数对计算精度的影响[J]. 吉林大学学报(工学版), 2007, 37(03): 715 -0720 .
[7] 张和生，张毅，温慧敏，胡东成 . 利用GPS数据估计路段的平均行程时间[J]. 吉林大学学报(工学版), 2007, 37(03): 533 -0537 .
[8] 曲昭伟，陈红艳，李志慧，胡宏宇，魏巍 . 基于单模板的二维场景重建方法[J]. 吉林大学学报(工学版), 2007, 37(05): 1159 -1163 .
[9] 王超，宋克柱，唐进 . 高性能水下地震数据采集系统设计与实现[J]. 吉林大学学报(工学版), 2007, 37(01): 168 -172 .
[10] 李成，刘治华，张平 . 具有初始位移的两层转子结构复合材料储能飞轮的应力及位移分析[J]. 吉林大学学报(工学版), 2007, 37(04): 828 -832 .
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发