以垂直Pendubot为研究对象,提出一种基于智能优化算法的轨迹规划与控制方法,以解决Pendubot控制过程中难以从摇起区过渡至平衡区的问题.为Pendubot的驱动连杆规划一条从初始角度到中间角度的正向轨迹和一条从中间角度到目标角度的反向轨迹.欠驱动连杆在系统耦合关系作用下进行运动,对应的Pendubot末端点也运动至相应位置.通过遗传算法优化轨迹参数,将正向和反向轨迹拼合为一条由初始角度到目标角度的驱动连杆轨迹的同时,对应的Pendubot末端点轨迹拼合为一条由垂直向下平衡位置到垂直向上平衡位置的完整轨迹,然后设计跟踪控制器跟踪优化后的驱动连杆轨迹至目标角度,由于耦合关系的存在,Pendubot末端点也运动至垂直向上平衡位置.由于Pendubot受重力作用,其末端点很难长时间稳定在垂直向上平衡位置,故设计镇定控制器,实现Pendubot末端点在垂直向上平衡位置的镇定控制.最后通过仿真实验验证所提出方法的有效性,并通过对比说明所提出方法在奇异点规避、控制器设计和控制效果方面的优势.

禁忌搜索(Tabu Search, TS)是属于模拟人类智能的一种优化算法。 基本流程：禁忌搜索算法在初始化的时候，在搜索空间随机生成一个初始解 i，禁忌表H置空，当前解i记为历史最优解 s，然后进入迭代的搜索过程。在每一次迭代中，都从当前的解i出发，在当前禁忌表H的限制下，构造出解i的邻域A，然后从A中选出适应值最好的解 j 来替换解 i，同时更新禁忌表H。在解 j 替换解 i 之后，如果解 i 的质量得到改善，那么历史最优的解 s 将被解 i 替换；否则，s 保持不变，即使解 i 虽然暂时变差了，但是由于扩大了搜索空间，仍有利于跳出局部最优。得到了新的当前解 i 之后，算法返回迭代的开始继续进行，直到找到最优解或者运行了一定的迭代次数等终止条件的时候结束算法。 ———————————————— 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109270374

粒子群优化算法（Particle Swarm Optimization，PSO）是进化计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法。 PSO模拟了自然界鸟群捕食和鱼群捕食的过程。通过群体中的协作寻找到问题的全局最优解。它是1995年由美国学者Eberhart和Kennedy提出的，现在已经广泛应用于各种工程领域的优化问题之中。 ———————————————— 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109212631

遗传算法（Genetic Algorithm，GA）是进化计算的一个分支，是一种模拟自然界生物进化过程的随机搜索算法。 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109197192

详细介绍链接：https://blog.csdn.net/qq_44186838/article/details/109207781

Python复现遗传算法、蚁群优化算法、粒子群算法、禁忌搜索算法 详细算法介绍链接：https://blog.csdn.net/qq_44186838/article/details/109181453

博士论文，与三峡科技出版资助的混沌蚁群算法及应用这本书高度一致。

分享了科莫多巨蜥算法Komodo Mlipir Algorithm源代码及其原文，更多算法可进入空间查看

针对更加复杂的非线性混合情况，提出一种基于样条插值拟合与群智能优化的后非线性盲源分离算法。采用样条插值函数拟合去非线性函数，使用负熵作为分离的评价准则，建立分离模型。分离过程采用改进的人工蜂群算法优化求解样条插值节点参数，并在分离的目标函数中引入相关性约束条件进行解空间范围限制，克服分离过程中存在的异常值现象。针对语音数据的分离实验结果表明，所提算法能够有效实现非线性混合信号的盲分离，较传统的基于奇数多项式拟合的分离算法具有更高的分离精度。

分享了帝国主义竞争算法源代码及其原文，亲测有效，更多算法可进入空间查看