[发明专利]水质采样巡航船路径规划最优化方法

说明书

本发明公开了一种水质采样巡航船路径规划最优化方法，涉及湖泊水质采样和路径规划技术领域。所述方法在湖面的二维坐标图上进行采样点的选取与部署；采用自适应粒子群优化算法，规划出采样点网络的最优路径。所述的自适应粒子群算法将自适应函数融合在粒子群算法中用以保留交换序，在路径更新的过程中引入自适应函数后算法自动删除μ值为0所对应的交换序，算法中d(i,j)与max/2的大小判断提高了算法的收敛速度，同时有效避免了算法陷入局部最优。本发明使路径规划的效果得到了很大的改善，即规划出的路径更短，节省了水质采样巡航船的电量消耗，使巡航船的续航能力更强，提高了巡航船采样作业的性能；并解决了路径规划方法总是快而不稳的问题。

技术领域

本发明涉及湖泊水质采样和路径规划技术领域，具体是指一种水质采样巡航船路径规划最优化方法。

背景技术

水是人类宝贵且不可或缺的自然资源。由于我国水污染问题日益严重，水环境的保护已经被国家列为一项重点实施的政策。水环境的治理与保护需要进行水质监测，而水质采样是水质监测的重要组成部分，所以水质采样的效率直接影响水环境治理的效率。为了提高采样作业的效率，水质采样巡航船进行采样作业时，需要有一种能快速高效实现路径的规划的方法。一直以来，怎样高效的解决巡航船的路径规划问题是该领域的一个难题。目前有很多智能方法可以解决这类问题。粒子群算法是智能算法中运算最简单的一种，粒子群优化算法(PSO算法)是由Kennedy和Eberhart(见参考文献[1]：Kennedy J，EberhartR.Particle swarm optimization[C]//IEEE International Conference on NeuralNetworks，1995：1942-1948.)通过对鸟群社会行为的观察研究，提出的一种新颖的进化算法。PSO算法设置参数少，容易实现，可用于解决非线性、不可微和多峰值等复杂的优化问题，此外，该算法搜索效率高，收敛性能也很好。

发明内容

为了提高水质采样巡航船路径规划的速度，本发明将巡航船的路径规划问题简单转化为二维旅行商问题，用改进的粒子群优化算法规划点与点之间的路径，该方法可以结合实际情况实时规划出水质采样巡航船在所有采样点之间的最优行驶路径。

针对使用基本粒子群算法规划路径容易早熟和陷入局部最优的缺点，本发明提出了一种简单而高效的自适应粒子群算法，并提出了一种基于自适应粒子群算法的水质采样巡航船路径规划最优化方法，所述方法首先需要获取目标水域的采样点网络，然后用自适应粒子群算法对采样点网络进行采样点的路径规划，具体包括以下三步：

第一步：用无人机摄像头采集湖面的图像，然后进行图像处理，得到湖面的二维坐标图。

第二步：针对湖面的二维坐标图，利用粒子群算法进行采样点的选取与部署，选取出工作人员所期望的采样点网络。

第三步：采用自适应粒子群优化算法，规划出采样点网络的最优路径，输出优化路径。

其中，第三步所述的采用自适应粒子群算法得到路径最优解的步骤如下：

步骤3.1：根据湖面采样点网络的坐标信息，设定自适应粒子群算法的相关参数，包括种群大小、采样点个数、迭代次数、加速因子C1和加速因子C2和惯性权值W；

步骤3.2：初始化粒子种群产生随机路径序列，初始化所有粒子的速度产生随机交换序；

步骤3.3：计算所有采样点之间的距离，记录最大距离。

步骤3.4：根据C1，C2，W和引入的自适应函数μ值四个参数自适应地保留路径交换序；

步骤3.5：根据保留的交换序进行路径更新；

步骤3.6：判断是否连续迭代20次路径长度保持不变，若是，则输出路径规划的结果；若否，判断是否达到最大迭代次数，若是，则输出路径规划的结果，若否则回转执行步骤3.4；