基于栅格模型机器人路径规划的量子蚁群算法

张　晨，游晓明

(上海工程技术大学 电子电气工程学院，上海 201620)



基于栅格模型机器人路径规划的量子蚁群算法

张晨，游晓明

(上海工程技术大学 电子电气工程学院，上海 201620)

摘要针对复杂环境中移动机器人路径规划问题，提出了一种基于量子-蚁群算法(QACA)融合的路径规划算法。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子态矢量和量子旋转门来分别表示和更新信息素，增加位置的多样性,加快算法的收敛速度。通过仿真实验表明，该算法可增加算法的随机性，较传统的蚁群算法具有更好的种群多样性，更快的收敛速度和全局寻优能力，即使在障碍物较复杂的环境下，也能迅速规划出一条最优路径。

关键词量子进化算法；蚁群算法；复杂环境；栅格法；路径规划

目前，不少学者用改进的遗传算法、神经网络、随机树等方法对机器人路径进行规划。但不少算法在一定程度上存在搜索空间大、算法复杂、效率较低等问题[1]。尤其是当障碍物的数目增加或地形障碍趋于复杂时，不少路径规划算法的复杂度会大幅增加，甚至无法求解。如基于遗传算法的机器人路径规划方法，该方法对路径规划环境中的路径进行编码构成遗传个体，在进行选择、交叉、变异等遗传操作时要加很多的约束条件。当环境趋于复杂、障碍物数目增加时、约束条件就会很复杂，甚至无法求解。朱正等尝试最优最差蚂蚁算法作路径规划，仿真结果表明可以很好地避免障碍物，快速找到一条机器人最优移动路径[2]。……