1. 研究目的与意义（文献综述）

1．1目的及意义

水下机器人在军事武器、国土安全、水文测量、矿产调查、环境监测和海洋研究等领域具有广阔的应用前景，已成为海洋研究的一个重要领域。多年以来，为应对海洋勘探开发项目的挑战，水下机器人的研制工作不断深入[1]。水下机器人在军事武器领域和海洋资源开发方面有极为广阔的应用潜力，已成为西方发达国家发展智能化海军武器的重要方向之一[2]。水下机器人的一个主要任务是水下寻找目标、识别目标，并对目标采集尽可能多的信息[3]，对于精确的运动控制能力具有极大的需求。此外，部分水下机器人需要电池供电，合理规划其作业路径，对于水下机器人降低综合能耗、提升续航范围、拓展应用领域至关重要[4]。量子粒子群优化算法（quantum-behavedpso ,qpso）是近年来提出的一种智能优化算法，对于求解路径规划问题非常适用。因此，本文基于量子粒子群优化算法，针对水下机器人路径规划方法进行研究。

1．2国内外研究现状

2. 研究的基本内容与方案

2．1研究的基本内容

研究以量子力学相关理论为背景基础，基于c#语言实现标准qpso算法，通过模拟仿真检验其在复杂环境下的具体性能表现。将qpso算法与传统算法进行比较，验证该算法在综合时间消耗、计算资源占用、生成路径质量等方面的性能。

2．2研究的基本目标

3. 研究计划与安排

第1周-第3周，完成文献查阅、文献翻译和开题报告；

第4周-第5周，学习掌握matlab的操作与应用或其它编程语言如c、c 、java等；

第6周-第12周，实现针对水下机器人路径规划的qpso算法，并进行仿真验证；

4. 参考文献（12篇以上）

4．参考文献

[1]khairul alam， tapabrata ray， sreenatha g. anavatti，design and construction of an autonomous underwater vehicle，neurocomputing，volume 142，2014，pages 16-29，issn 0925-2312.

[2]adam j a. probing beneath the sea [j].ieee spectrum， 1985，22(4):55-64.