基于Kriging元模型的优化方法通常存在优化效率较低、收敛速度较慢、昂贵估值次数较多且难以有效平衡Kriging模型的局部与全局搜索行为等弊端。为此,提出一种序列Kriging和距离因子辅助的全局优化方法。其实现过程主要包含两个阶段一是利用Kriging模型近似复杂昂贵的黑箱函数;二是利用Kriging模型与距离因子的乘积构造加点采样法则,并通过免于求导的DIRECT算法优化该法则,以获取新的昂贵估值点。六个数值函数测试和一个摆线泵仿真实例验证所提出方法的有效性。

为解决传统人工势场法在路径规划中存在的缺陷,对目标不可达和局部极小点的情况进行了分析。将引力函数分段,避免引力过大而碰到障碍物的情况;通过引入机器人与目标点之间的距离因子,对斥力势场的生成和计算机制进行改进,以解决障碍物在目标点附近时的不可达问题。在已改进人工势场函数的基础上,提出一种用偏转角度来构建附加牵引力的方法以解决局部极小点问题。在MATLAB中对改进的算法进行了对比仿真实验,实验结果表明了该方法的有效性和可行性。