量子粒子群优化算法在移动机器人路径规划中的应用

为解决优化移动机器人在解空间盲目搜索的问题,对粒子群算法进行改进,提出一种基于量子粒子群优化(Quantum particle swarm optimization,QPSO)算法的移动机器人路径规划方法.针对粒子群中个体粒子收敛速度与群体离散度进行优化,以完成对惯性权重的动态调节,以解决传统粒子群算法存在过早收敛的缺点,可使QPSO算法的权重具有可控性与自适应性.同时使用自然选择方法进行粒子群位置更新,可增加粒子群运动路径的多样性,可以极大提高粒子群的全局搜素能力和收敛速度.最后,通过路径规划软件仿真与实验测试结果分析可知:所提算法在移动机器人路径规划中的全局搜索能力与收敛速度上均优于PSO算法,其中,平均代价降低了约0.2 m,平均耗时降低了 1.28 s.这验证了所提算法的有效性与可行性.