基于QPSO方法的足球机器人路径规划

下载PDF

导出

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。

作者陆克中

机构地区池州学院数学与计算机科学系

出处《池州学院学报》 2012年第3期9-11,共3页 Journal of Chizhou University

基金安徽省自然科学研究项目(KJ2011Z266) 池州学院自然科学研究项目(2010ZRZ07)

关键词量子粒子群优化算法路径规划足球机器人

分类号 TP242 [自动化与计算机技术—检测技术与自动化装置]

引文网络
相关文献

参考文献8

1Alan K Mackworth. On Seeing Robot,Computer vision: system,theory and application [M]. Singapore: World Scientific Press, 1993:1-13.
2柳长安,鄢小虎,刘春阳,吴华.基于改进蚁群算法的移动机器人动态路径规划方法[J].电子学报,2011,39(5):1220-1224. 被引量：143
3Derek J Bennet, Colin R McInnes. Distributed control of multi-robot systems using bifurcating potential fields[J]. Robotics and Autonomous Systems, 2010,58(3):256-264.
4邓万宇,郑庆华,陈琳,许学斌.神经网络极速学习方法研究[J].计算机学报,2010,33(2):279-287. 被引量：162
5刘玲,王耀南,况菲,张辉.基于神经网络和遗传算法的移动机器人路径规划[J].计算机应用研究,2007,24(2):264-265. 被引量：22
6华路,周之平.不确定环境下一种新的双蚁群路径规划算法[J].计算机工程与应用,2011,47(15):245-248. 被引量：2
7唐国新,陈雄,袁杨.微粒群算法在机器人路径规划中的应用[J].计算机工程与应用,2007,43(16):231-234. 被引量：6
8Jun S, Wen-bo X, Bin F. A global search strategy of quantum-behaved particle swarm optimization[C]//Proceeding of IEEE confereuce on Cybernetics and Intelligent Systems, 2004:111-116.

二级参考文献45

1张颖,吴成东,原宝龙.机器人路径规划方法综述[J].控制工程,2003,10(z1):152-155. 被引量：66
2叶文,范洪达.基于改进蚁群算法的飞机低空突防航路规划[J].飞行力学,2004,22(3):35-38. 被引量：15
3李栋,曹义华,苏媛,冯婷.基于改进蚁群算法的低空突防航迹规划[J].北京航空航天大学学报,2006,32(3):258-262. 被引量：27
4Hornik K. Approximation capabilities of multilayer feedforward networks. Neural Networks, 1991, 4(2): 251-257.
5Leshno M, Lin V Y, Pinkus A, Schocken S. Multilayer feedforward networks with a nonpolynomial activation function can approximate any function. Neural Networks, 1993, 6(6) : 861-867.
6Huang G-B, Babri H A. Upper bounds on the number of hidden neurons in feedforward networks with arbitrary bounded nonlinear activation functions. IEEE Transactions on Neural Networks, 1998, 9(1): 224-229.
7Huang G-B. Learning capability and storage capacity of two hidden-layer feedforward networks. IEEE Transactions on Neural Networks, 2003, 14(2): 274-281.
8Huang G-B, Zhu Q-Y, Siew C-K. Extreme learning machine: Theory and applications. Neurocomputing, 2006, 70 (1-3): 489-501.
9Vapnik V N. The Nature of Statistical Learning Theory. New York: Springer, 1995.
10Rousseeuw P J, Leroy A. Robust Regression and Outlier Detection. New York: Wiley, 1987.

共引文献323

1乔延松,贺泽华,赵绪营.面向动态数据流的改进OSELM算法研究[J].北京电子科技学院学报,2020(3):1-12. 被引量：1
2李擎,张超,韩彩卫,张婷,张维存.动态环境下基于模糊逻辑算法的移动机器人路径规划[J].中南大学学报（自然科学版）,2013,44(S2):104-108. 被引量：23
3赵越,玄哲,张海龙,刘远红,张会珍.基于预测控制的移动机器人路径规划仿真系统设计[J].大庆石油学院学报,2008,32(4):122-124. 被引量：3
4刘庆波,余跃庆,苏丽颖.一种基于遗传算法的欠驱动机器人避障运动规划新方法[J].计算机应用研究,2008,25(9):2668-2670.
5王平,程明传,翁宗煌.数据融合处理算法在ZigBee中的应用[J].计算机应用,2009,29(7):1897-1900. 被引量：4
6曹有辉,王良曦.基于改进粒子群优化算法的AGV全局路径规划[J].计算机工程与应用,2009,45(27):224-227. 被引量：6
7杨辉,李鸣,郑丽文,梁英.BP-MPSO混合算法在机器人空间路径中的应用[J].自动化仪表,2010,31(2):12-15.
8许德刚,肖人彬.基于改进神经网络的粮食配送中心选址决策研究[J].计算机应用研究,2010,27(3):887-890. 被引量：6
9赵勇成,温金涛.基于改进神经网络的移动机器人路径规划方法[J].机械设计,2010,27(10):54-57.
10胡庆,谢强,丁秋林.GA-BP算法在电信供应链库存控制中的应用[J].中国制造业信息化（学术版）,2010,39(12):46-49.

1陆克中,孙俊.足球机器人路径规划的PSO方法[J].计算机技术与发展,2012,22(7):124-127. 被引量：1
2陆克中.基于ABC方法的足球机器人路径规划[J].忻州师范学院学报,2012,28(5):23-26.
3赵波,曹一家.电力系统机组组合问题的改进粒子群优化算法[J].电网技术,2004,28(21):6-10. 被引量：60
4邢安庆,陈祖浩.用无参数罚函数方法求解约束最优控制问题[J].福州大学学报（自然科学版）,1993,21(5):61-65.
5梁安阳,王兰美.基于D-H坐标系法的移动喷漆机器人运动学分析[J].机械工程与自动化,2011(5):125-127. 被引量：11
6杨玉维,赵新华,雷奶华.3-RRRT并联机器人位置分析[J].天津理工学院学报,2004,20(3):52-56. 被引量：6
7文志强,曾志高,邓晓军.基于正交实验设计的粒子滤波算法[J].小型微型计算机系统,2016,37(7):1536-1541. 被引量：1
8张博.基于D-H坐标系法的机器人运动学研究[J].电子科技,2016,29(6):154-156. 被引量：4
9吴华意.平面内多边形沿曲线定姿态刚体移动时的碰撞判定算法研究[J].计算机学报,1999,22(12):1332-1334. 被引量：1
10张泽建,吴玉香.一种基于罚函数的机器人路径规划方法[J].计算机测量与控制,2006,14(1):100-102. 被引量：3

池州学院学报

2012年第3期

浏览历史

内容加载中请稍等...

基于QPSO方法的足球机器人路径规划

参考文献8

二级参考文献45

共引文献323

相关作者

相关机构

相关主题

浏览历史