针对未知环境中移动机器人的实时路径规划问题,提出一种基于量子蚁群优化(Quantum Ant Colony Optimization,QACO)算法。本文方法中,每只蚂蚁携带一组量子比特从而增大了算法搜索空间,并采用量子旋转操作来增加种群位置的多样性,避免过...针对未知环境中移动机器人的实时路径规划问题,提出一种基于量子蚁群优化(Quantum Ant Colony Optimization,QACO)算法。本文方法中,每只蚂蚁携带一组量子比特从而增大了算法搜索空间,并采用量子旋转操作来增加种群位置的多样性,避免过早收敛,有利于算法跳出局部最优。在栅格环境模型的基础上建立激光探测模型,当激光探测模型探测到有威胁的障碍时,调用本文方法来重新规划路径,直至机器人避开障碍。最后,仿真实验表明本文方法的有效性、快速性及稳定性。展开更多
文摘针对未知环境中移动机器人的实时路径规划问题,提出一种基于量子蚁群优化(Quantum Ant Colony Optimization,QACO)算法。本文方法中,每只蚂蚁携带一组量子比特从而增大了算法搜索空间,并采用量子旋转操作来增加种群位置的多样性,避免过早收敛,有利于算法跳出局部最优。在栅格环境模型的基础上建立激光探测模型,当激光探测模型探测到有威胁的障碍时,调用本文方法来重新规划路径,直至机器人避开障碍。最后,仿真实验表明本文方法的有效性、快速性及稳定性。