[发明专利]基于改进粒子群算法的无人艇路径规划方法及系统

权利要求书

1.基于改进粒子群算法的无人艇路径规划方法，其特征是，包括：

获取无人艇的待经过的若干个位置点；

基于改进的粒子群算法，将无人艇的待经过的若干个位置点作为输入值，经过迭代计算后，获得一条无人艇的最优移动路径；

其中，改进的粒子群算法，是基于线性下降惯性权重、自适应控制加速度系数和随机分组反演的优化策略对粒子群算法进行改进得到的；

根据最优移动路径，控制无人艇进行移动。

2.如权利要求1所述的方法，其特征是，改进的粒子群算法具体步骤包括：

S201：初始化，选择种群大小和最大迭代次数；定义适应度函数；

基于自适应控制加速度系数优化策略设置加速度系数c1和c2；

基于线性下降惯性权重优化策略设置惯性权重w；

S202：对每个粒子，初始化速度和位置，评估初始适应度值，记录初始个体最优位置和粒子群最优位置；

S203：判断是否达到最大迭代次数或者误差值小于设定最小误差值；

如果是达到最大迭代次数，或者误差值小于设定最小误差值；则结束；

如果没有达到最大迭代次数，或者误差值大于等于设定最小误差值，则进入S204；

S204：对每个粒子更新个体速度和个体位置，评估新的适应度值；

基于随机分组反演优化策略，将种群划分为若干个子种群，并对每个子种群进行独立进化；

更新每个粒子的个体最优位置和粒子群最优位置，返回S203。

3.如权利要求2所述的方法，其特征是，基于自适应控制加速度系数优化策略设置加速度系数c₁和c₂；具体步骤包括：

K＝P/N (6)

c₁＝(c_1max-c_1min)K+c_1min (7)

c₂＝(c_2max-c_2min)K+c_2min (8)

其中，P代表在一次迭代中成功收敛的粒子数；K表示评价系数；K为一次迭代中成功收敛粒子数量与初始群大小的比值；N代表总的粒子数；c1和c2为加速度系数；c_1max为c₁的最大值；c_1min为c₁的最小值；c_2max为c₂的最大值；c_2min为c₂的最小值。

4.如权利要求2所述的方法，其特征是，基于线性下降惯性权重优化策略设置惯性权重w；具体步骤包括：

采用迭代过程中线性下降的形式动态调整惯性权重w：

w＝w_max-m×(w_max-w_min)/M (3)

其中，w_max表示惯性权重w的最大值，w_min表示惯性权重w的最小值；m表示当前迭代次数，M表示最大迭代次数。

5.如权利要求2所述的方法，其特征是，基于随机分组反演优化策略，将单种群划分为若干个子种群；具体步骤包括：将全部粒子顺序打乱，以四个为一组进行独立进化，直至所有粒子都完成进化，得到进化后的新粒子群。

6.如权利要求2所述的方法，其特征是，更新每个粒子的个体最优位置和粒子群最优位置，具体步骤包括：

其中，m和s分别表示当前迭代次数和第s维，r1和r2是在0和1之间均匀分布的随机数，w是PSO的控制参数。