为克服传统白鲸优化算法(Beluga Whale Optimization,BWO)在3-5-3多项式插值机械臂轨迹优化中存在的路径长、时间耗费高及易陷入局部最优的问题,本文提出了一种增强型白鲸-蝠鲼融合优化算法(Enhanced Beluga Whale and manta ray fusion...为克服传统白鲸优化算法(Beluga Whale Optimization,BWO)在3-5-3多项式插值机械臂轨迹优化中存在的路径长、时间耗费高及易陷入局部最优的问题,本文提出了一种增强型白鲸-蝠鲼融合优化算法(Enhanced Beluga Whale and manta ray fusion Optimization algorithm,EBWO).该算法以机械臂最优运动时间为目标,构建约束优化模型,并通过增广拉格朗日乘子法转化为无约束形式.首先,利用改进的对数非线性Halton混沌序列优化种群初始化,提高搜索多样性与质量;其次,设计多方向正余弦白鲸位置更新机制,增强开发阶段搜索能力;再次,在中期迭代阶段引入改进的蝠鲼旋风链式觅食策略,并结合Levy飞行机制构建新觅食因子,以强化局部开发与全局跳跃能力;最后,提出基于资源竞争耦合机制的自适应鲸落策略,并引入量子隧穿效应,以提升算法跳出局部最优的能力与收敛速度.实验结果表明:在3-5-3轨迹优化中,EBWO较于传统BWO将时间优化效果提升了8.69%,并且与未优化的轨迹相比,优化后的时间缩短了42.13%.这一结果验证了其在复杂优化任务时的有效性与实用性.展开更多