基于量子粒子群算法的移動機器人的路徑規(guī)劃的研究.pdf

1、移動機器人技術是一項具有重大應用前景的前沿技術，在移動機器人相關技術的研究中，路徑規(guī)劃是移動機器人技術研究的一個重要環(huán)節(jié)和課題。路徑規(guī)劃的主要任務是:在有障礙物的工作環(huán)境中，尋找一條從給定起點到終點的適當的運動路徑，使機器人在運動過程中能安全、無碰撞地繞過所有的障礙物。
　　 粒子群優(yōu)化算法(Particle Swarm Optimization)是群集智能領域一個很重要的分支，PSO算法概念簡單、實現容易、參數較少、收斂速度較

2、快，已在圖象處理、模式識別、運籌學等眾多領域得到廣泛的應用。然而，PSO算法已經被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。針對這一缺陷，Sun遵循PSO算法的思想，引入量子概念，建立了一個Delta勢阱模型以模擬粒子的學習傾向性，并設計了一種基于全局水平的參數控制方法，從而提出了一個全局收斂算法--量子行為粒子群優(yōu)化算法(Quantum-behaved Particle Swarm Optimiz

3、ation， QPSO)，通過測試函數結果表明，其性能遠遠好于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算法相關的進化計算和群集智能，并比較了QPSO算法、PSO算法的異同點，揭示出QPSO的優(yōu)勢及研究的必要性，并對其在各個領域中的應用做了簡要的敘述。同時綜述了機器人的起源與發(fā)展歷程，展望了未來機器人的發(fā)展方向-智能機器人。智能機器人中最重要的一個研究課題是移動機器人的路徑規(guī)劃，在文中詳細地說明

4、了移動機器人路徑規(guī)劃的一般概念、特點、分類及其進行路徑規(guī)劃的一些基本問題以及幾種常見的路徑規(guī)劃方法。
　　 本文結合移動機器人路徑規(guī)劃的特點，提出了基于量子粒子群算法的移動機器人全局最優(yōu)路徑規(guī)劃方法。文中將一些無效的粒子重新初始化為有效的隨機粒子，這樣做有助于擴大搜索范圍，防止算法陷入局部最優(yōu)解?；诹孔尤核惴ǖ囊苿訖C器人全局最優(yōu)路徑規(guī)劃方法分為二步:第一步是建立移動機器人的自由空間模型，第二步是采用量子粒子群算法為機器人搜索出