[发明专利]基于改进量子粒子群优化算法的全局路径规划方法

权利要求书

1.一种基于改进量子粒子群优化算法的全局路径规划方法，其特征在于，所述方法具体包括如下步骤：

S1、创建栅格地图，建立环境模型；

S2、设定粒子数N，粒子维度D，最大迭代次数M，扩张-收缩系数α以及参与交叉操作粒子比例λ；

S3、初始化粒子群，设置初始个体最好位置P_i(0)，全局最好位置P_g(0)，计算得出初始平均最好位置；

S4、迭代次数加一，更新当前粒子的个体最好位置P_i(t)及其对应的适应度值；

S5、更新当前迭代中的全局最好位置及其对应的适应度值；

S6、计算出本次迭代中所有粒子的个体最好位置的平均值，即为平均最好位置；

S7、则预测各粒子在下次迭代中的位置；

S8、基于设定比例λ选择部分粒子进行多点交叉操作，将多点交叉操作后的粒子与剩余粒子组合新的粒子群，检测是否全局收敛或者是迭代次数是否达到最大迭代次数，若检测结果为否，则执行步骤S4，若检测结果为是，输出各维度上的最优位置，基于各维度上的最优位置组成全局规划路径。

2.如权利要求1所述基于改进量子粒子群优化算法的全局路径规划方法，其特征在于，粒子在下次迭代位置的计算公式具体如下：

p_i,j＝f_j(t)·P_i,j(t)+|1-f_j(t)|·P_g,j(t)，f_j(t)～U(0,1)

其中，α为收缩-扩张系数，X_i,j(t+1)代表第j维度第i个粒子在第t+1迭代中的位置，p_i,j(t)代表第j维度第i个粒子在第t迭代中的个体最好位置，X_i,j(t)代表第j维度第i个粒子在第t迭代中的位置，mbest_j代表第t迭代中第j维度的平均最好位置，u_i,j(t)、f_j(t)均表示服从区间U(0,1)的均匀分布函数，P_g,j(t)代表第j维度第i个粒子在第t迭代中的全局最好位置，p_i,j代表第j维度的局部吸引因子。

3.如权利要求1所述基于改进量子粒子群优化算法的全局路径规划方法，其特征在于，全局最佳位置及对应适应度值的更新方法具体如下：

将适应度值最小的个体最好位置作为本次迭代的全局最好位置P_g(t)，将本次迭代的全局最好位置P_g(t)对应的适应度值F[P_g(t)]与上一次迭代的全局最好位置G(t-1)对应的适应度值F[G(t-1)]进行比较，将当前的全局最好位置P_g(t)更新为较小适应度值对应的全局最好位置。

4.如权利要求1所述基于改进量子粒子群优化算法的全局路径规划方法，其特征在于，个体最佳位置及对应适应度值的更新方法具体如下：

计算每个粒子在本次迭代后的适应度值F[X_i(t)]，将本次迭代后的适应度值F[X_i(t)]与上一次迭代后的适应度值F[P_i(t-1)]进行比较，将当前的适应度更新为较小的适应度值，将较小适应度值对应的位置更新为当前各粒子的个体最好位置P_i(t)。