针对目前机械臂路径规划的主流算法,如RRT算法、蝴蝶算法和人工势场法等在全局搜索时易遇到寻优精度低、收敛速度慢,在局部搜索时易陷入局部最优解等问题,提出一种改进蝴蝶搜索算法。针对基本蝴蝶算法在种群初始化时添加了Cubic映射,在进行全局和局部搜索时加入非线性惯性权重系数和融入樽海鞘群算法,在确定最优解后加入了柯西变异,以此来提高算法收敛速度和寻优精度等问题。通过MATLAB构建六自由度机械臂和三维空间障碍物的三维模型,并进行仿真实验。结果表明改进后的蝴蝶算法增强了收敛速度和寻优精度。最后进行了真机实验,验证了改进后的蝴蝶算法能够快速实现机械臂的路径规划。

为了减少机器人点对点工作路径长度,提出了个体动态细化分工花授粉算法的路径规划方法。以花授粉算法为基础,将花粉按照适应度划分为精英个体、优等个体、差等个体,并对个体进行动态细化分工。精英个体引领进化方向,优等个体使用改进搜索方式进行寻优,差等个体使用柯西变异逃出局部最优,由此提出了个体动态细化分工花授粉算法。使用个体动态细化分工花授粉算法搜索最优路径结点,依据最优路径结点和三次样条插值法规划出最优路径。在简单环境和复杂环境下进行仿真验证,个体动态细化分工花授粉算法规划的路径长度、收敛速度和寻优稳定性均优于传统花授粉算法和改进蝙蝠算法。