基于量子遺傳算法的足球機器人路徑規(guī)劃研究.pdf

1、路徑規(guī)劃技術(shù)是機器人研究領(lǐng)域中的一項重要問題。它的任務(wù)是在有障礙物的環(huán)境中，按照一定的評價標準(路徑最短、時間最快或能量消耗最少等)，尋找一條從起始狀態(tài)(包括位置及姿態(tài))到達目標狀態(tài)(包括位置及姿態(tài))的無碰最優(yōu)(較優(yōu))路徑。傳統(tǒng)的路徑規(guī)劃方法主要有：可視圖法、自由空間法、柵格法。最近發(fā)展應(yīng)用較快的智能規(guī)劃方法主要運用神經(jīng)網(wǎng)絡(luò)、模糊邏輯、遺傳算法、蟻群算法等理論。結(jié)合多種理論各自特點進行路徑規(guī)劃是今后研究的一個主要方向。本論文在分析目前各

2、種路徑規(guī)劃方法優(yōu)缺點基礎(chǔ)上，應(yīng)用傳統(tǒng)方法及智能方法解決足球機器人路徑規(guī)劃問題。 為提高機器人足球比賽中射門成功率，提出一種基于動態(tài)橢圓曲線的射門路徑規(guī)劃算法。通過計算足球機器人當前位姿及期望射門角度，控制機器人按照橢圓曲線路徑運動至射門目標點，實現(xiàn)快速有效擊球射門。仿真實驗及實物機器人實驗驗證了算法的有效性，動態(tài)橢圓曲線射門規(guī)劃算法運動路徑短，且能夠以合理射門角度完成射門。 遺傳算法(GeneticAlgorithm，G

3、A)模擬生物進化過程中，優(yōu)勝劣汰規(guī)則與群體內(nèi)部染色體信息交換機制以處理優(yōu)化問題。模擬生物界自然選擇和自然遺傳機制的隨機化，基于“適者生存”的思想將問題的求解表示成“染色體”的進化過程，通過“染色體”群的不斷進化，包括選擇、交叉、變異等，最終收斂到問題的最優(yōu)解或滿意解。針對路徑規(guī)劃問題，應(yīng)用遺傳算法求解足球機器人路徑規(guī)劃，對算法的各個環(huán)節(jié)進行分析，包括環(huán)境的建立，染色體的表示和編碼、適應(yīng)度函數(shù)的設(shè)計，遺傳操作算子的設(shè)計，并對遺傳算法路徑規(guī)

4、劃進行了實驗仿真。 量子遺傳算法(QuantumGeneticAlgorithm，QGA)基于量子計算(QuantumComputation，QC)原理實現(xiàn)概率優(yōu)化，量子計算借鑒幾率幅概念，采用量子態(tài)來表示信息。結(jié)合遺傳算法和量子計算特點，提出基于量子遺傳算法的足球機器人路徑規(guī)劃方法。通過對路徑點進行量子比特編碼，使一條遺傳路徑染色體可以表達多個態(tài)的疊加，并對路徑適應(yīng)度函數(shù)優(yōu)化求解實現(xiàn)移動機器人的路徑規(guī)劃。采用量子旋轉(zhuǎn)門策略對個