基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法技术

本发明专利技术公开了基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，该方法包括如下步骤：S1、检测垃圾桶的状态，确定垃圾桶是否装满，得到垃圾桶装满的数据；S2、通过量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划；S3、根据路线规划绘制出垃圾回收导航地图。本发明专利技术设计了一个量子布谷鸟搜索算法用于规划回收路径，采用量子双链编码方式改进了布谷鸟搜索算法规划出最优回收路径，最后根据回收路径制定垃圾回收导航地图。本发明专利技术具有良好的智能性、高效性，提高了回收路径的准确性，可有效节省在一定范围内的垃圾回收管理所需付出的人力物力资源，从而大幅度降低运营成本。

Intelligent garbage collection path planning method based on quantum cuckoo search algorithm

The invention discloses a method of path planning of intelligent garbage collection quantum cuckoo search algorithm based on the method comprises the following steps: S1, detection of trash, garbage can determine whether full garbage barrel full of data; S2, quantum search algorithm through the cuckoo to spread to the trash data route planning, route planning based on S3; draw out garbage collection navigation map. The invention designs a quantum cuckoo search algorithm for planning recovery path, the quantum double chain encoding improved cuckoo search algorithm optimal recovery path, finally making garbage recovery path according to the navigation map. The present invention is intelligent, efficient, and improve the accuracy of recovery path, can effectively save waste management in a certain range required to pay the manpower resources, thus greatly reducing operational costs.

【技术实现步骤摘要】
基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法
本专利技术涉及智能垃圾回收路径规划领域，特别涉及一种基于智能优化算法和物联网应用的结合的垃圾回收路径规划方法，属于智能优化的实际应用领域。
技术介绍
由于当今中国人口居住密度大，城市中每天都会产生大量的生活垃圾，而垃圾的清理成为一项重要工作。目前城市里的垃圾桶难以保证是否处于需要清理的状态，有些区域的垃圾桶比较容易堆满垃圾，需要频繁的清理，否则将影响到人们的身心健康；而有些区域的垃圾桶却经常性空置，就不必经常清理，所以如何高效的回收垃圾是目前急需解决的问题。路径规划是目前车辆交通等问题的重要研究热点，同时也是车辆导航的一个非常具有挑战的问题。路径规划的方法有很多种，比如遗传算法、神经网络算法、蚁群算法等。遗传算法具有很好的全局搜索能力，但运算速度慢、占据存储空间大、容易陷入早熟等缺点；神经网络法具有很好的学习能力，但当垃圾桶数量较多且环境为动态时，网络结构庞大且神经元的阈值随时间的变化而需要不断地改变；蚁群算法收敛速度慢，容易陷入局部最优。量子布谷鸟搜索算法结合了量子机制和布谷鸟搜索(CS)算法，CS算法是Yang和Deb为了模拟布谷鸟种类的巢寄生行为和鸟类的莱维飞行行为而提出的一种具有全局收敛性的新型智能优化算法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法。本专利技术通过智能终端节点采集信息，协调器统一处理数据后，采用量子布谷鸟搜索算法对需要清理的垃圾桶规划出最优回收路径。为了实现上述目的，本专利技术采用的技术方案为：基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，包括如下步骤：S1、检测垃圾桶的状态，确定垃圾桶是否装满，得到垃圾桶装满的数据；S2、通过量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划；S3、根据路线规划绘制出垃圾回收导航地图；在步骤S1中垃圾桶是否装满的状态检测方法为：S11、在每个垃圾桶上分别设置数据处理模块、重量传感器、红外漫反射开关；S12、重量传感器和红外漫反射开关将采集的数据信号发送至数据处理模块进行处理；S13、数据处理模块对接收的数据进行处理后判断垃圾桶是否装满，并在垃圾桶装满后将垃圾桶装满的信息传递至服务器进行路线规划。步骤S13中垃圾桶的状态信息传递至服务器的方法为：S131、垃圾桶处设置ZigBee节点，数据处理模块通过ZigBee节点与协调器组成无线传感器网络；S132、多个垃圾桶的状态信息均由相对应的数据处理模块经ZigBee节点周期性的向协调器传递垃圾桶的装满溢出信号；S133、协调器将传来的数据解析后以串口通信的方式传递给服务器。在ZigBee节点处将节点的ID信息和垃圾桶的状态信息封装在一起，协调器接收到数据后将信息解析后获取节点的ID和对应节点传来的垃圾桶状态信息。在垃圾桶上设有太阳能供电装置，太阳能供电装置包括太阳能电池板、蓄电池，所述的太阳能电池板为蓄电池充电，蓄电池提供电源驱动。量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划包括如下步骤：S21、参数初始化，设种群大小ps，步长因子α、发现概率Pa以及最大迭代次数max_iter；S22、生成初始布谷鸟种群，对布谷鸟个体执行量子编码Pop＝{x1,x2,…,xn}，其中n为编码长度，也是规划垃圾桶个数，xi为量子编码处理后的垃圾桶序号；S23、量子布谷鸟编码采用LOV(Largest-Order-Value)规则生成序列π＝{π1,π2,…,πn}，即优化后的路径，其中πi为路径优化后的垃圾桶序号；S24、计算目标函数值，比较得到最小值，即为布谷鸟个体找到的当前最优鸟巢，目标函数值即垃圾桶回收路径距离；S25、种群进入迭代iter←iter+1，所有布谷鸟根据莱维飞行更新，得到新的路径序列πnew＝{π1,π2,…,πn}，并计算新目标函数值；S26、比较更新后的目标函数值，记全局目标函数值最小的布谷鸟个体找到的鸟巢为Popb＝{xb1,xb2,…,xbn}；S27、产生一个随机数R∈[0,1]，根据发现概率Pa，若R>Pa，则对布谷鸟个体编码进行随机改变，并计算目标函数值，否则保留当前鸟巢；S28、再次比较所有布谷鸟个体的目标函数值，保留目标函数值最小的布谷鸟个体找到的鸟巢Popb＝{xb1,xb2,…,xbn}，转步骤S25进入迭代，直到达到最大迭代次数；S29、对最后目标函数值最小的鸟巢采用LOV规则生成路径序列，即对应垃圾桶序号，并执行局部邻域搜索LNS算法进行优化，优化后的路径为最优垃圾桶回收路径，目标函数值即为最优垃圾桶回收路径距离。步骤S22中量子编码包括如下步骤：S221、量子布谷鸟种群的量子位状态满足线性叠加原理，则可表示为：其中cosθ和sinθ分别为得到0状态和得到1状态的概率幅，满足cos2θ+sin2θ＝1。因此量子布谷鸟种群可编码为：其中n为量子位长度，量子角θj(1≤j≤n)在[0,2π]内随机生成；S222、量子布谷鸟种群编码包含两个并列的编码，分别为余弦编码qc和正弦编码qs：qc＝(cos(θ1),cos(θ2),...,cos(θn))qs＝(sin(θ1),sin(θ2),...,sin(θn))。在步骤S23中，采用LOV规则生成路径序列为对q进行升序排序，并对排序后的值依次搜索其在排序前相对应的垃圾桶序号，得到的序列(x1,x2,…,xn)即路径序列，其中xi为垃圾桶序号。即采用LOV规则生成路径序列为对量子编码后的q值进行升序排序，得到的量子编码值序列，并搜索每个量子编码值在排序前对应的垃圾桶序号，得到的新序列(x1,x2,…,xn)即路径序列。步骤S25中莱维飞行更新公式为：其中：表示第i个布谷鸟在第t代的鸟巢位置；α表示步长因子；L(u,v)表示莱维飞行采用Mantegna算法产生的随机步长,为点对点乘法。Mantegna算法产生的随机步长，计算公式为：式中β∈[1,2]，u和v服从正态分布：其中本专利技术的优点在于：(1)本专利技术提出的智能垃圾回收装置，采用单片机电路板，红外漫反射开关、重量传感器以及ZigBee作为智能终端节点，能够高效智能地完成数据采集；(2)本专利技术采用量子布谷鸟搜索算法实现垃圾回收路径规划，扩展了仿生技术的应用范围，提高了智能垃圾回收装置的可靠性和安全性；(3)本专利技术采用量子双链编码方式对布谷鸟搜索算法进行改进，提高了求解精度，具有较强的全局搜索能力；(4)本专利技术提出了基于量子布谷鸟搜索算法智能垃圾回收路径规划方法，本方法能够模拟布谷鸟寻窝过程进行搜索，具有良好的智能性、灵活性，能提高路径规划的准确度，提高垃圾回收的工作效率。附图说明下面对本专利技术说明书各幅附图表达的内容及图中的标记作简要说明：图1为本专利技术智能垃圾回收路径规划方法流程图；图2为本专利技术实施例垃圾桶状态信息采集原理示意图；图3为本专利技术垃圾桶是否装满的状态检测方法流程图；图4为本专利技术垃圾桶的状态信息传递至服务器的方法流程图；图5是量子布谷鸟搜索算法的流程示意图；图6是局部邻域搜索算法LNS的流程示意图；图7为LNS算法对垃圾桶进行插入交换原理图。具体实施方式下面对照附图，通过对最优实施例的描述，对本专利技术的具体实施方式作进一步详细的说明。如图本文档来自技高网...

【技术保护点】
基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：包括如下步骤：S1、检测垃圾桶的状态，确定垃圾桶是否装满，得到垃圾桶是否装满的状态数据；S2、通过量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划；S3、根据路线规划绘制出垃圾回收导航地图。

【技术特征摘要】
1.基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：包括如下步骤：S1、检测垃圾桶的状态，确定垃圾桶是否装满，得到垃圾桶是否装满的状态数据；S2、通过量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划；S3、根据路线规划绘制出垃圾回收导航地图。2.如权利要求1所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在步骤S1中检测垃圾桶是否装满的方法为：S11、在每个垃圾桶上分别设置数据处理模块、重量传感器、红外漫反射开关；S12、重量传感器和红外漫反射开关将采集的数据信号发送至数据处理模块进行处理；S13、数据处理模块对接收的数据进行处理后判断垃圾桶是否装满，并将垃圾桶装满的状态信息传递至服务器进行路线规划。3.如权利要求2所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：步骤S13中垃圾桶的状态信息传递至服务器的方法为：S131、垃圾桶处设置ZigBee节点，数据处理模块通过ZigBee节点与协调器组成无线传感器网络；S132、多个垃圾桶的状态信息均由相对应的数据处理模块经ZigBee节点周期性的向协调器传递垃圾桶的装满溢出信号；S133、协调器将传来的数据解析后以串口通信的方式传递给服务器。4.如权利要求3所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在ZigBee节点处将节点的ID信息和垃圾桶的状态信息封装在一起，协调器接收到数据后将信息解析后获取节点的ID和对应节点传来的垃圾桶状态信息。5.如权利要求2或3所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在垃圾桶上设有太阳能供电装置，太阳能供电装置包括太阳能电池板、蓄电池，所述的太阳能电池板为蓄电池充电，蓄电池为用电器件提供电源驱动。6.如权利要求1所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划包括如下步骤：S21、参数初始化，设种群大小ps，步长因子α、发现概率Pa以及最大迭代次数max_iter；S22、生成初始布谷鸟种群，对布谷鸟个体执行量子编码Pop＝{x1,x2,…,xn}，其中n为编码长度，也是规划垃圾桶个数，xi为处理后的垃圾桶序号；S23、量子布谷鸟编码采用LOV(Largest-Order-Value)规则生成序列π＝{π1,π2,…,πn}，即优化后的路径，其中πi为路径优化后的垃圾桶序号；S24、计算目标函数值，比较得到最小值，即为布谷鸟个体找到的当前最优鸟巢，目标函数值即垃圾桶回收路径距离；S25、种群进入迭代，所有布谷鸟根据莱维飞行更新，得到新的路径序列πnew＝{π1,π2,…,πn}，并计算新目标函数值；S26、比较更新后的目标函...

【专利技术属性】
技术研发人员：齐学梅，朱海红，王家亮，杜道锋，杜鹏，陈付龙，秦忠基，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34