基于量子蚁群算法采用量子聚类的机器人路径规划方法技术

本发明专利技术涉及机器人路径规划，具体涉及基于量子蚁群算法采用量子聚类的机器人路径规划方法，将大规模路径规划问题分解为小规模路径规划问题；判断当前可用的量子比特数量是否可以处理分解得到的小规模路径规划问题，若分解得到的小规模路径规划问题仍然超过当前可用计算资源，则对小规模路径规划问题进行进一步分解，直至当前可用计算资源可以处理为止；若当前可用计算资源可以处理分解得到的小规模路径规划问题，则采用量子蚁群算法对各小规模路径规划问题进行求解；合并所有小规模路径规划问题的求解结果，得到大规模路径规划问题的最优解；本发明专利技术提供的技术方案能够有效克服现有技术所存在的无法应用于大规模路径规划问题的缺陷。

【技术实现步骤摘要】

本专利技术涉及机器人路径规划，具体涉及基于量子蚁群算法采用量子聚类的机器人路径规划方法。

技术介绍

1、在自主机器人路径规划中，蚁群算法可以用于优化机器人的运动路径，减少行驶时间。随着技术的不断发展，量子蚁群算法也被引入到自主机器人路径规划中。量子蚁群算法是一种结合传统蚁群算法和量子计算方法各自优点的算法，量子蚁群算法在提出后得到了广泛关注，并在之后从经典-量子混合、量子启发到全量子计算等多个角度通过量子计算对蚁群算法进行了改进。

2、由于量子计算的引入，使得自主机器人路径规划中传统蚁群算法的一些固有缺陷得到了显著的改善，例如量子电路产生的随机数相比于经典计算机是真随机数，有效改善了传统蚁群算法容易陷入局部最优解的缺陷。尽管如此，目前已有的量子蚁群算法也存在一定的局限性，其最明显的一个缺陷就是，由于量子比特数量的限制，使得量子蚁群算法的应用范围受到了很大限制，仅能应用在小规模路径规划问题中。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术所存在的上述缺点，本专利技术提供了基于本文档来自技高网...

【技术保护点】

1.基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：将大规模路径规划问题分解为小规模路径规划问题；

2.根据权利要求1所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：具体包括以下步骤：

3.根据权利要求1所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：S1中采用量子K-Means聚类算法对所有路径标识点进行聚类得到初代子群，将大规模路径规划问题分解为小规模路径规划问题，包括：

4.根据权利要求3所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：S2中判断路径遍历求解量子电路中的量子...

【技术特征摘要】

1.基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：将大规模路径规划问题分解为小规模路径规划问题；

2.根据权利要求1所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：具体包括以下步骤：

3.根据权利要求1所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：s1中采用量子k-means聚类算法对所有路径标识点进行聚类得到初代子群，将大规模路径规划问题分解为小规模路径规划问题，包括：

4.根据权利要求3所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：s2中判断路径遍历求解量子电路中的量子比特数量是否可以处理分解得到的小规模路径规划问题，包括：

5.根据权利要求1所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：所述路径遍历求解量子电路包括q10～q17代表的8个量子比特位、辅助反转位q0和ry量子门；

6.根据权利要求5所述的基于量子蚁群算法采用量子聚类的机器人路径规划方法，其特征在于：在利用所述路径遍历求...

【专利技术属性】
技术研发人员：邱骞，徐华，李小刚，孙祺纯，
申请(专利权)人：合肥弈维量子科技有限公司，
类型：发明
国别省市：