基于量子粒子群算法的移動(dòng)機(jī)器人的路徑規(guī)劃的研究.pdf

1、移動(dòng)機(jī)器人技術(shù)是一項(xiàng)具有重大應(yīng)用前景的前沿技術(shù)，在移動(dòng)機(jī)器人相關(guān)技術(shù)的研究中，路徑規(guī)劃是移動(dòng)機(jī)器人技術(shù)研究的一個(gè)重要環(huán)節(jié)和課題。路徑規(guī)劃的主要任務(wù)是:在有障礙物的工作環(huán)境中，尋找一條從給定起點(diǎn)到終點(diǎn)的適當(dāng)?shù)倪\(yùn)動(dòng)路徑，使機(jī)器人在運(yùn)動(dòng)過(guò)程中能安全、無(wú)碰撞地繞過(guò)所有的障礙物。
　　 粒子群優(yōu)化算法(Particle Swarm Optimization)是群集智能領(lǐng)域一個(gè)很重要的分支，PSO算法概念簡(jiǎn)單、實(shí)現(xiàn)容易、參數(shù)較少、收斂速度較

2、快，已在圖象處理、模式識(shí)別、運(yùn)籌學(xué)等眾多領(lǐng)域得到廣泛的應(yīng)用。然而，PSO算法已經(jīng)被Van de Bergh證明不是一種全局收斂算法，從而不能保證粒子搜索到最優(yōu)解。針對(duì)這一缺陷，Sun遵循PSO算法的思想，引入量子概念，建立了一個(gè)Delta勢(shì)阱模型以模擬粒子的學(xué)習(xí)傾向性，并設(shè)計(jì)了一種基于全局水平的參數(shù)控制方法，從而提出了一個(gè)全局收斂算法--量子行為粒子群優(yōu)化算法(Quantum-behaved Particle Swarm Optimiz

3、ation， QPSO)，通過(guò)測(cè)試函數(shù)結(jié)果表明，其性能遠(yuǎn)遠(yuǎn)好于PSO算法。
　　 本文首先闡述了課題的研究背景和意義，接著介紹了與QPSO算法相關(guān)的進(jìn)化計(jì)算和群集智能，并比較了QPSO算法、PSO算法的異同點(diǎn)，揭示出QPSO的優(yōu)勢(shì)及研究的必要性，并對(duì)其在各個(gè)領(lǐng)域中的應(yīng)用做了簡(jiǎn)要的敘述。同時(shí)綜述了機(jī)器人的起源與發(fā)展歷程，展望了未來(lái)機(jī)器人的發(fā)展方向-智能機(jī)器人。智能機(jī)器人中最重要的一個(gè)研究課題是移動(dòng)機(jī)器人的路徑規(guī)劃，在文中詳細(xì)地說(shuō)明

4、了移動(dòng)機(jī)器人路徑規(guī)劃的一般概念、特點(diǎn)、分類及其進(jìn)行路徑規(guī)劃的一些基本問(wèn)題以及幾種常見(jiàn)的路徑規(guī)劃方法。
　　 本文結(jié)合移動(dòng)機(jī)器人路徑規(guī)劃的特點(diǎn)，提出了基于量子粒子群算法的移動(dòng)機(jī)器人全局最優(yōu)路徑規(guī)劃方法。文中將一些無(wú)效的粒子重新初始化為有效的隨機(jī)粒子，這樣做有助于擴(kuò)大搜索范圍，防止算法陷入局部最優(yōu)解。基于量子群算法的移動(dòng)機(jī)器人全局最優(yōu)路徑規(guī)劃方法分為二步:第一步是建立移動(dòng)機(jī)器人的自由空間模型，第二步是采用量子粒子群算法為機(jī)器人搜索出