期刊文献+

基于QPSO方法的足球机器人路径规划

下载PDF
导出
摘要 提出了一种基于量子粒子群优化算法(QPSO)的足球机器人路径规划方法。为适应QPSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。与PSO算法的对比仿真实验表明,该算法在足球机器人路径规划方面是可行的、有效的。
作者 陆克中
出处 《池州学院学报》 2012年第3期9-11,共3页 Journal of Chizhou University
基金 安徽省自然科学研究项目(KJ2011Z266) 池州学院自然科学研究项目(2010ZRZ07)
  • 相关文献

参考文献8

二级参考文献45

  • 1张颖,吴成东,原宝龙.机器人路径规划方法综述[J].控制工程,2003,10(z1):152-155. 被引量:66
  • 2叶文,范洪达.基于改进蚁群算法的飞机低空突防航路规划[J].飞行力学,2004,22(3):35-38. 被引量:15
  • 3李栋,曹义华,苏媛,冯婷.基于改进蚁群算法的低空突防航迹规划[J].北京航空航天大学学报,2006,32(3):258-262. 被引量:27
  • 4Hornik K. Approximation capabilities of multilayer feedforward networks. Neural Networks, 1991, 4(2): 251-257.
  • 5Leshno M, Lin V Y, Pinkus A, Schocken S. Multilayer feedforward networks with a nonpolynomial activation function can approximate any function. Neural Networks, 1993, 6(6) : 861-867.
  • 6Huang G-B, Babri H A. Upper bounds on the number of hidden neurons in feedforward networks with arbitrary bounded nonlinear activation functions. IEEE Transactions on Neural Networks, 1998, 9(1): 224-229.
  • 7Huang G-B. Learning capability and storage capacity of two hidden-layer feedforward networks. IEEE Transactions on Neural Networks, 2003, 14(2): 274-281.
  • 8Huang G-B, Zhu Q-Y, Siew C-K. Extreme learning machine: Theory and applications. Neurocomputing, 2006, 70 (1-3): 489-501.
  • 9Vapnik V N. The Nature of Statistical Learning Theory. New York: Springer, 1995.
  • 10Rousseeuw P J, Leroy A. Robust Regression and Outlier Detection. New York: Wiley, 1987.

共引文献323

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部