-
公开(公告)号：CN109483540A
公开(公告)日：2019-03-19
申请号：CN201811388023.9
申请日：2018-11-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于高斯惩罚的仿人机器人分层踢球优化模型的优化方法，所述方法包括步骤：基于关键帧方法设计仿人机器人的踢球种子动作；构建仿人机器人踢球的分层踢球训练模型，并采用优化分解将仿人机器人的单一踢球动作分解为预设数量的优化层；采用指定算法获取仿人机器人分层踢球优化模型的最优参数集；在对仿人机器人踢球的速度和距离的优化层优化过程中，在线性评价优化仿人机器人踢球速度的基础上，通过高斯惩罚的方式对踢球距离进行优化；本发明可以实现仿人机器人在踢球过程中踢球动作偏移量更小，能有效提升踢球的准确性和稳定性。
-
公开(公告)号：CN110751167A
公开(公告)日：2020-02-04
申请号：CN201910812929.7
申请日：2019-08-29
Applicant: 南京邮电大学
Abstract: 一种基于PCA排序的协方差自适应演化策略算法，包括如下分步骤：设定协方差自适应演化策略CMAES的参数；初始化分布＜x＞、协方差C、步长σ，x指搜索点，即候选解，可能为一个或多个，以xi表示， 采样形成父代种群Xi＝N(＜x＞,σ2C)；计算适应度函数cost＝f(xi)；确认是否满足终止条件，若满足则结束，若不满足则转下一步；选择最优μ个粒子构成子代种群，更新xg、步长进化路径pσ、协方差矩阵进化路径pc、协方差C、步长σ；将C进行特征分解，将特征值排序降维，回到第三步。本发明结合了PCA和CMAES两者的优点，两者的更新机制的组合降低了维数的影响，在目标函数评价次数减少的情况下仍能获得较高的求解精度。
-
-
Search Results
3
records
(took 0.042 seconds)
