基于QPSO方法的足球机器人路径规划.pdfVIP

州 院 2012年6月 第26卷 第3期 JournalofChizhouUniversity Jun．2012Vo1．26No．3 基于QPSO方法的足球机器人路径规划 陆克中 (池州学院数学与计算机科学系，安徽 池州 247000) [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。 [关键词】量子粒子群优化算法；路径规划；足球机器人 [中图法分类号】TP242 [文献标识码】A 文【章编号】1674-11O3(2O12)03-0009-03 机器人足球由加拿大不列颠哥伦比 大学的 更好地评价粒子(即解)的性能，在进行碰撞判定的 教授AlanMaekworth存 l992年的论文{OnSeeing 基础之上，引入罚函数方法，评价粒子的性能：最后 Robots}中首次提出_1j，其 目的是通过机器人足球 比 利用QPSO算法实现足球机器人路径规划仿真并 赛 ，为人工智能和智能机器人学科的发展提供一个 与PSO算法进行 了比较分析。 具有标志性和挑战性的课题。在机器人足球赛中， 1 QPSO算法原理 路径规划作为足球机器人基本动作实现的基础 ．它 的优劣直接影响机器人动作的实时性和准确性。因 2004年 ，Sun等人在研究了Clerc等人关于粒 此，路径规划是机器人足球 比赛的一个重要研究内 子收敛行为的研究成果后，从量子力学的角度出发 容。路径规划就是在有障碍物的工作环境中。按照 提出了一种新的PSO算法模型。这种模型是 以 某一性能指标搜索一条从起始状态到目标状态的 DELTA势阱为基础，认为粒子具有量子的行为，并 最优或近似最优的无碰路径21『。 根据这种模型提出了量子粒子群算法。与在量子空 机器人路径规划实质上是一个有约束的优化 间中粒子满足聚集态的性质完全不同，它可 以在整 问题。目前 ，各国学者对此问题 已经做了大量的研 个可行解空间中进行搜索，因而 QPSO算法的全局 究工作 ．这其 中包括人工势场法_3J、神经 网络法[41、遗 搜索性能优于标准PSO算法。 传算法_5j、蚁群算法嘲和粒子群优化算法川等 。量子粒 在量子空间中，粒子的速度和位置是不能同时 子群优化算法 fQuantum—behavedParticleSwarm 确定的，因此文献8[1通过波函数来描述粒子的状态， Optmization，QPSO)是一种改进的粒子群优化算法 并通过求解薛定谔方程得到粒子在空间某一点出 fParticleSwarmOptmization，PSO)，与 PSO算法在量 现的概率密度函数，随后通过蒙特卡罗随机模拟的 子空间中粒子满足聚集态的性质完全不同。QPSO 方式得到粒子的位置方程 。具体如下： 算法可以在整个可行解空间中进行搜索 ，因而它的 D维搜索空间中，有m个粒子，其 中第 i个粒 全局搜索性能优于一般的PSO算法8]『。 子的位置是xi=(xil，Xi2，…xiD)，i=l，2，…，m。将xi带入 目 本研究提出了一种基于 QPSO算法 的足球机 标函数可计算出其适应值。记第 i个粒子搜索到的 器人路径规划方法 。首先为适应 QPSO算法的自身 最优位置为Pi=(PmP：，… D)，整个