一种基于量子行为粒子群算法的水下路径规划方法技术

本发明专利技术提供的一种新的水下自主航行器路径规划方法，将量子行为粒子群优化算法和深度强化学习相结合提出DQN‑QPSO算法。将粒子种群作为状态，粒子种群的多样性作为奖励，利用Q‑network在更新粒子位置时选择合适的操作。为平衡算法的全局搜索能力和局部搜索能力，设计了五种更新粒子位置的算子，分别是正常、探索、随机变异、粒子爆炸和微调。粒子更新位置时，Q‑network根据粒子种群在决策空间中的位置选择合适的动作，也就是位置更新算子。最后，将粒子更新操作结束后粒子种群的多样性做Q‑network的奖励。解决传统粒子群优化算法在规划复杂的水下环境中路径时存在的全局搜索能力不足和精度较低的问题。

【技术实现步骤摘要】

本专利技术涉及路径规划、强化学习和智能优化，尤其涉及一种基于量子行为粒子群算法的水下路径规划方法。

技术介绍

1、水下路径规划技术是水下自主航行器(autonomous underwater vehicles，auv)研究中的关键技术之一。它主要解决的问题是如何在复杂的水下环境中自主规划行进路径并避开障碍物。与陆地机器人的路径规划问题相比，水下路径规划技术必须考虑水下环境的复杂性和独特性，以及不可预测的环境因素(如洋流)的影响。此外，该技术对于在线避障、3d路径规划和算法稳健性方面也存在更高的要求。目前的水下路径规划方法可以分为两类：基于智能优化算法方法和基于强化学习方法。具体包括以下：

2、1)基于智能优化算法方法。主要技术手段：通过对水下环境进行建模，在考虑相关约束条件的前提下，将路径规划问题转化为优化问题。最后使用遗传算法、粒子群算法、蚁群算法等优化算法进行求解。问题和缺点：基于智能优化算法方法具有较好的鲁棒性，对于不同的场景均能有不错的表现。但基于智能优化算法方法不具有学习性和记忆性，对于给定的实例，每次都需要重新求解。当实例较为相似时本文档来自技高网...

【技术保护点】

1.一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述路径规划方法包括：

2.根据权利要求1所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述步骤S3：更新粒子位置具体包括：

3.根据权利要求2所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述根据at使用不同的位置更新算子更新粒子在决策空间中的位置具体包括：

4.根据权利要求2所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述步骤S7：将(st,at,rt,st+1)存储到经验池D中具体包括：

5.根据权利要求2所述的一种基...

【技术特征摘要】

1.一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述路径规划方法包括：

2.根据权利要求1所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述步骤s3：更新粒子位置具体包括：

3.根据权利要求2所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述根据at使用不同的位置更新算子更新粒子在决策空间中的位置具体包括：

4.根据权利要求2所述的一种基于量子行为粒子群算法的水下路径规划方法，其特征在于，所述步骤s7：将(st,at,rt,st+1)存储到经验池d中具体包括：

5.根据权...

【专利技术属性】
技术研发人员：刘壮，山世光，李勇，高黎明，山盛，李竞元，王慧勇，高科，杨茹茵，史鹏飞，钟鸿豪，
申请(专利权)人：中科视拓北京科技有限公司，
类型：发明
国别省市：