[发明专利]一种基于量子蚁群算法的无人水面艇航迹规划方法

权利要求书

1.一种基于量子蚁群算法的无人水面艇航迹规划方法，其特征在于，包括以下步骤：

步骤1.根据地理信息数据库中的障碍物分布情况，建立航行区域的静态环境模型；

步骤2.根据无人水面艇航迹规划的目标函数和约束条件，建立无人水面艇的航迹规划综合评价函数；

步骤3.采用量子蚁群算法对无人水面艇进行全局航迹规划，具体包括：

3-1)初始化量子蚁群，设蚂蚁个数为n个，每只蚂蚁携带m个量子比特，最大迭代次数N_max，其中t时刻量子蚁群表示为：则在第t次迭代中第i个蚂蚁个体的量子比特表示为

通过量子比特来表示各节点上的信息素浓度，即j表示在第t次迭代时第i个量子蚂蚁在第j个节点上的信息素浓度值，j＝1,2,…,m，则也是第t次迭代中第i个蚂蚁个体的量子信息素矩阵，为量子比特的相位；Rnd是(0,1)之间随机数；当迭代次数t＝0时，量子信息素矩阵各元素都初始设置为

3-2)将蚂蚁置于航迹规划空间的出发点上，由于蚂蚁k由节点a转移到节点b的移动规则为

其中q为在[0,1]内均匀分布的随机数；q₀为某一常数，0≤q₀≤1；allowed_a为蚂蚁k由节点a出发可能到达的所有节点的集合；为按下式选择的目标位置；

τ_ab(t)为在第t次迭代时节点a到节点b的路径上的信息素浓度；α为信息素重要性参与程度，α＞0；η_ab(t)为在第t次迭代时节点a到节点b的路径上的距离启发因子，其表达式η_ab(t)＝1/d_ab，d_ab为节点a到节点b的距离；β为距离启发因子重要性参与程度，β＞0；λ_ab(t)为在第t次迭代时节点a到节点b的路径上的威胁程度启发因子，其表达式为即在第t次迭代时节点a到节点b的路径上威胁代价的倒数；γ为威胁程度启发因子的重要性参与程度，γ＞0；μ(x_s)为位置x_s的量子信息强度，式中表示第s个量子位的量子态坍缩到|0的概率，即对蚂蚁k而言，越小，则μ(x_s)越大，从而p(x_s)也越大；θ为量子比特启发式因子，θ＞0，其值越大，则蚂蚁越倾向于选择所含量子信息多的节点，然后按上述的规则选择节点；

3-3)通过量子旋转门改变蚂蚁自身携带的量子比特的相位，使其向目标节点移动，其中量子旋转门为

则式中θ为旋转角度；

3-4)直至所有的蚂蚁遍历完所有的节点，记录蚂蚁对各节点的选择信息，生成候选解，记录每只量子蚂蚁的可行解，并计算其相应的航迹代价值；

3-5)若n只蚂蚁都产生了各自的解，则转向3-6)，否则，转向3-2)；

3-6)记录本次迭代后n只量子蚂蚁构造出的全局最优解，对每只蚂蚁经过一步转移后进行信息素局部更新和对所有蚂蚁一次迭代后的得到的最优路径进行全局更新，记蚂蚁前一节点位置为p_q，当前节点位置为p_r，移动后节点位置为p_s，则信息素浓度局部更新规则为：

τ(p_s)＝τ(p_r)+ρ·Δτ_rs

式中，τ(p_s)为移动后的节点的信息素浓度，τ(p_r)为当前节点的信息素浓度，ρ为信息素挥发因子、0＜ρ＜1，用来表达原有信息素浓度的保留程度，其作用为避免路径上信息素的无限积累，Δτ_rs为在本次循环中各个蚂蚁在路径(p_r→p_s)上新增的信息素浓度，Q为常数，J_k为蚂蚁在本次循环中所得的航迹代价值；

所有蚂蚁完成一次循环后，进行信息素全局更新，其规则为：

Q为常数，J_e为本次循环中所得最优路径的航迹代价值；

其中为当前得到的最优解；

3-7)若t≥N_max，则转向3-8)，否则，转向3-2)；

3-8)输出得到的最优解及其相应的航迹总代价值，并根据最优解得到最优航迹，算法结束。