[发明专利]一种基于改进遗传算法的无人艇路径规划方法及系统

权利要求书

1.一种基于改进遗传算法的无人艇路径规划方法，其特征是，该方法包括以下步骤：

获取无人艇的航向数据和位置数据，并对其进行预处理；

采集无人艇所处环境的海浪信息，并将其转换为约束因子；

采用改进遗传算法根据无人艇的航向数据和位置数据进行路径规划，得到最优路径排序；

基于最优路径排序，根据约束因子修正无人艇的航向和航速，完成路径规划；

所述约束因子为：

其中，F₀为海浪作用力，M₀为海浪作用力模型，h为海浪的高度，V_l为海浪的流速，λ₀为海浪的波长；

所述改进遗传算法包括基于双域反演的遗传算法和基于多域反演的遗传算法；

所述基于双域反演的遗传算法在四个随机排序的反演点之间进行两次反演操作，从父染色体中保留更多优势基因，为子染色体生成更具适应性的编码字符串，保证子代向更高的水平进化；

所述基于多域反演的遗传算法通过增加反转域和子染色体的数目，保留最适配的逆序染色体并将其转移到新一代，增加后代的数量，加快向更高适应度演化的速度，提高了算法的收敛精度和鲁棒性。

2.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，所述无人艇的航向数据和位置数据包括无人艇所需航行点的经纬度坐标数据，并将航行点的经纬度坐标数据变换为直角坐标系下的横纵坐标值。

3.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，基于双域反演的遗传算法进行路径规划的具体方法为：

(1)参数初始化：设置种群规模，最大迭代次数，初始交叉概率和初始变异概率；

(2)初始化种群：随机生成初始种群作为遗传过程中的父代；

(3)适应度值的计算：计算每条染色体的适应度值，根据计算所得适应度值对初始种群进行排序；

(4)对染色体进行选择，交叉和变异操作，同时计算新产生种群的适应度值，根据该值重新排序，获得新的种群作为初级子代；

(5)进行双域反演操作：随机选择四个序号作为染色体编码的反转点，在前两个点和后两个点之间分别生成两个域，两个区域中的片段同时反转以产生新的子代，比较子代染色体和父代染色体的适应度值，保留适应度值更大的染色体，更新种群；

(6)判断是否满足迭代终止条件，若不满足终止条件，则迭代次数加一，转步骤(4)；若满足则转步骤(7)；

(7)从各迭代保留结果中选择最优个体作为双域反演遗传算法的最优解并输出。

4.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，基于多域反演的遗传算法进行路径规划的具体方法为：

(1)参数初始化：设置种群规模，最大迭代次数，初始交叉概率和初始变异概率；

(2)初始化种群：随机生成初始种群作为遗传过程中的父代；

(3)适应度值的计算：计算每条染色体的适应度值，根据计算所得适应度值对初始种群进行排序；

(4)对染色体进行选择，交叉和变异操作，同时计算新产生种群的适应度值，根据该值重新排序，获得新的种群作为初级子代；

(5)进行多域反演操作：在编码字符串中随机定义了四个反转点，在任意两个反转点之间生成六个区域，六个区域中的片段单个反转产生六个新的子染色体，以及在前两个点和后两个点之间分别生成两个域，两个区域中的片段同时反转以产生新的第七个子染色体；比较七个子代染色体和父代染色体的适应度值，保留适应度值更大的染色体，更新种群；

(6)判断是否满足迭代终止条件，若不满足终止条件，则迭代次数加一，转步骤(4)；若满足则转步骤(7)；

(7)从各迭代保留结果中选择最优个体作为多域反演遗传算法的最优解并输出。