一种基于在线双填充准则的代理辅助的机器人形态优化方法

本发明涉及机器人形态优化领域，提出一种基于在线双填充准则的代理辅助的机器人形态优化方法。传统优化方法依赖昂贵的评估，而本发明通过在线代理模型替代昂贵评估，并结合粒子群优化算法有效搜索形态空间。具体包括：采用双层循环框架，外层通过粒子群优化算法优化形态，内层利用代理模型评估形态。通过将部分昂贵评估数据两两拼接，扩展训练数据来训练代理模型。代理模型基于径向基神经网络，并集成多个神经网络来提高预测准确性。通过使用新颖度和适应度两种填充准则作为挑选粒子的标准，使用部分昂贵评估来在线更新训练数据。该发明大幅降低了计算成本，能够有效指导机器人在复杂任务中优化形态，并获得良好的任务执行效果。