10.3969/j.issn.1006-2475.2018.07.010
未知环境中基于量子蚁群优化的移动机器人实时路径规划
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.
量子蚁群优化、路径规划、移动机器人、激光测距仪
TP242(自动化技术及设备)
2018-08-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
49-52,67