[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

说明书

本发明公开了基于改进粒子群算法的无人艇路径规划方法及系统，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。

技术领域

本公开涉及无人艇路径规划技术领域，特别是涉及基于改进粒子群算法的无人艇路径规划方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

众所周知，多传感器融合是无人飞行器自主导航的一个重要问题，特别是在实际环境中进行非预期变化时。借助于温湿度传感器、碰撞传感器、流速和流速传感器、位移传感器等多种传感器，无人驾驶飞行器已有效地应用于探空探测、环境监测、水声、海上救援、目标跟踪，以及水监测。在这些情况下，来自多个传感器的所有感知信息被组合起来并有效地利用，以生成无人驾驶车辆跟踪的理想轨迹，这通常被表述为旅行商问题(TSP)。

TSP在1979年被证明是一个典型的非确定性多项式硬组合优化问题。它的目标是设计出一条最短的路线，让旅行者无需重复地游览每个城市，最终返回出发城市。随着搜索空间趋于无穷大和复杂，传统的精确算法，如枚举法，无法在精确的计算时间内接近精确解。因此，需要开发具有自组织和自适应能力的新算法，以发现适当的解决方案，牺牲运行速度的最优性、准确性和完整性。受自然进化模型和自适应种群进化的启发，集体智能方法包括遗传算法、粒子群优化(PSO)、蚁群优化(ACO)、人工鱼群算法和人工蜂群算法，TSP已进入快速发展阶段。

粒子群优化是1995年由Eberhart和Kennedy提出的一种进化元启发式技术。它通过一组候选解(称为粒子)在多维搜索空间中以一定的速度移动这些粒子来解决优化问题。通过一个适应度函数来评估每个解，所有粒子的运动都由它们自己的经验以及整个群体的经验动态引导。最后，预计蜂群将朝着最满意的解决方案前进。PSO算法具有收敛速度快、参数设置简单、易于实现等优点，在函数优化、神经网络训练、模糊系统控制等领域得到了广泛的应用。

众所周知，粒子群优化算法的性能很大程度上取决于探索(即搜索更广阔的空间)和开发(即移动到局部最优)之间的适当平衡。指出PSO参数的调整对优化性能有重要影响。因此，选择合适的参数来提高算法的有效性一直是许多研究的热点。

此外，随着智能算法和自主导航技术的快速发展，粒子群算法也成功地应用于车辆路径规划问题。但是，发明人发现，现有技术中基于粒子群算法实现的无人艇路径规划，存在规划路径过长、路径规划结果容易陷入局部最优、路径规划结果不够准确的技术问题。

发明内容

为了解决现有技术的不足，本公开提供了基于改进粒子群算法的无人艇路径规划方法及系统；

第一方面，本公开提供了基于改进粒子群算法的无人艇路径规划方法；

基于改进粒子群算法的无人艇路径规划方法，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。

第二方面，本公开还提供了基于改进粒子群算法的无人艇路径规划系统；

基于改进粒子群算法的无人艇路径规划系统，包括：

获取模块，其被配置为：获取无人艇的待经过的若干个位置点；