以末端执行器的位姿误差最小为优化目标,将机器人的逆运动学问题转换为一个等效的最优化问题,并利用提出的改进粒子群优化算法对该问题进行求解。该算法从粒子群的初始化、惯性权重调整策略、差分变异进化及搜索空间的越界处理等多方面对标准粒子群优化算法进行综合改进,同时构建了以粒子群进化和差分变异进化为基础的两阶段混合协同进化机制,达到了有效平衡算法全局探索能力与局部开发能力的目的,提高了算法的收敛精度和收敛速度。以平面冗余机械臂和7自由度冗余机械臂的运动学逆解运算为例,将提出算法与对比算法用于逆运动学问题的求解。仿真结果表明,与对比算法比较,该算法具有更高的收敛精度、更快的收敛速度以及更强的寻优稳定性,能有效解决冗余机械臂的逆向运动学问题。

针对车辆货物配装离散组合优化问题的特点,建立了能均衡利用车辆载重和容积的数学模型。采用遗传离散粒子群算法,将遗传算法中的选择、交叉、变异操作加入到离散粒子群算法的寻优过程中,在保证粒子群多样性的前提下,改善了新一代粒子的适应能力。通过计算实例验证了遗传离散粒子群算法的有效性,并与启发式算法和基本粒子群算法进行了对比,结果表明遗传离散粒子群算法在车辆货物配装组合优化问题中具有很强的全局搜索能力,并可以获得更好的优化结果。

为满足混线生产车间物料配送准时化的需求，以配送路径最小为目标函数，满足配送工具装载量、工位时间窗等约束条件，分析并建立了车间物料配送路径优化问题的模型。基于蚁群算法对蚂蚁选择概率作改进，引入确定性和探索性搜索扩大搜索空间，并结合遗传算法里的相关操作，改善全局搜索的局限性和收敛速度，运用改进的蚁群算法对模型求解。最后通过某汽车后桥生产车间实际案例分析，验证了该算法的有效性。为制造企业车间物料配送优化提供了可参考的模型和算法。

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作：一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。