[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

说明书

本发明公开了一种基于改进遗传算法的无人艇路径规划方法及系统，采用改进遗传算法对无人艇进行路径规划；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。

技术领域

本公开涉及无人艇控制技术领域，具体涉及一种基于改进遗传算法的无人艇路径规划方法及系统。

背景技术

旅行商问题(TSP)是一个典型的NP困难问题，其目的是为旅行商规划出一条途径每座城市一次后回到起始城市的最短路径。在生产和生活中，TSP模型被广泛应用于许多领域，如车辆路径规划、机器学习、时间图、字义消歧、绿色物流、燃油效率管理、无线充电等。因此，解决TSP问题对家庭、民用和军事应用具有重要意义。

近年来对解决TSP问题方法的研究主要倾向于具有自适应调控思想的启发式算法，如遗传算法(GA)、模拟退火算法、蚁群算法和神经网络算法。相比之下，GA具有更高的鲁棒性和更强的全局搜索能力，因此已应用于机器人、无人机(UAV)、无人艇(USV)等各种自主设备的轨迹规划问题。为了解决智能机器人的无碰撞最短路径规划问题，现有的方法有为：(1)应用基于障碍物的遗传算法缩小搜索区域，获得长度和时间成本较短的路径。(2)应用于移动机器人上的传统遗传算法(CGA)进行了改进，寻找贝塞尔曲线的控制点，设计了动态工作场中的最短路径。(3)将并行遗传算法应用于多核环境下的多无人机系统，Bezier曲线进一步平滑了初步规划路径，以生成最终的飞行轨迹。(4)通过用于多无人机的新型进化算子改进GA，考虑到三维环境约束，从所需区域收集的信息最大化，获得了有利的路线。(5)就USV而言，结合避开障碍物、达到目标和减少行程时间三个目标函数，评估海洋环境负荷下路径的适用性。

为了克服CGA算法收敛速度慢、局部搜索能力差、容易出现过早收敛等固有问题，采用了基于生物进化和数学生态理论的两种或两种以上的优化算法相结合的方法来提高算法的性能，例如：(1)改进了交叉算子以产生更多的后代，从而丰富了种群多样性。通过对几个TSP实例的测试，证明了该方法的收敛速度快，达到了比CGA更优的规划路径值。(2)以总行程模糊成本和模糊时间最小化为多重目标，蚁群优化和遗传算法相结合，解决了包括源头、目的地、交通工具和路线在内的四维不精确的TSP问题。(3)在集中式无人机布局策略中，考虑到地面节点的位置，采用精英的非主导排序遗传算法来设计无人机的最优值。(4)将基于遗传算法的动态规划导航算法应用于未知动态环境下的移动地面机器人自主导航，具有更好的鲁棒性和有效性。(5)为了解决证券市场中的集团交易策略组合问题，提出了分组遗传算法(GGA)，其适应度函数由组平衡、权重平衡、投资组合回报和风险计算得出。

现有的无人艇路径规划方法包括自由空间法、人工势场法、可视图法等传统方式以及随着人工智能发展而兴起的智能优化算法，如蚁群算法，粒子群算法，遗传算法等。发明人在研发过程中发现，这些算法在应用于无人艇路径规划时均存在一些缺陷，自由空间法难以应用在如无人艇路径规划这种多维路径规划问题中；人工势场法和粒子群算法容易出现目标不可达，陷入局部最优以及效率低等问题，使无人艇出现自交叉现象；可视图法缺乏灵活性，存在组合爆炸等问题，而蚁群算法计算量较大，两种算法均耗时较长，无法满足无人艇路径规划的及时性需求。虽然传统遗传算法也因存在早熟现象而无法寻得全局最优值，但其良好的并行性和高效的搜索能力符合无人艇在路径规划方面的需求。

发明内容

为了克服上述现有技术的不足，本公开提供了一种基于改进遗传算法的无人艇路径规划方法及系统，采用改进遗传算法对无人艇进行路径规划。

本公开一方面提供的一种基于改进遗传算法的无人艇路径规划方法的技术方案是：

一种基于改进遗传算法的无人艇路径规划方法，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；