[发明专利]一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法

摘要

本发明公开了一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法，属于水面无人艇路径规划技术领域。首先构建USV规划路径，初始化参数；每个鸟窝位置在自由栅格中开始迭代，选出初始全局最优鸟窝位置。对其余鸟窝逐个进行更新，得到新的一组鸟窝位置，用评价函数逐个测试每个鸟窝的路径长度，分别计算各鸟窝的当代布谷鸟的鸟蛋被巢主鸟发现概率；然后逐个选取鸟窝位置，随机产生一个服从均匀分布的随机数，若小于发现概率，保留当前鸟窝为当代的最终鸟窝位置，与初始全局最优鸟窝位置组合，重新选出第t+1代全局最优鸟窝位置。重复迭代，直至输出最优路径。本发明保持很强的局部精细搜索能力，改善了收敛速度慢的问题，满足USV作业过程中的需求。

主权项

1.一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法，其特征在于，具体步骤如下：步骤一、针对电子海图，利用栅格图法进行数学建模，构建USV的规划路径；将电子海图中被障碍物覆盖的区域，海洋环境中海流速度大于USV抗流能力或者海风等级大于USV抗风能力的区域均设定为障碍区；第i个栅格表示为：(xi,yi)为数学建模中第i个栅格中心点在旋转坐标系B‑XY下的位置坐标；旋转坐标系B‑XY是在路径规划范围内根据USV作业起始点和目标点位置建立的，该坐标系原点为起点B，X轴正向为起点B指向目标点T的连线方向，且X轴正向与全局直角坐标系夹角为α；1表示该栅格为障碍栅格；0表示该栅格为自由栅格；自由栅格构成集合USV在集合Set_valid中选择最优航迹；步骤二、根据路径的起始点B和目标点T，初始化布谷鸟搜索算法的参数；参数包括：鸟窝位置的个数n；总迭代次数N；初始在搜索空间中随机产生n个鸟窝位置：每个鸟窝位置代表一条备选路径，备选路径的表达式为：S_i＝{A_i,jA_i,j+1}，其中i＝1,2,…,n，j＝1,2,…,m‑1，i表示第i个鸟窝位置，m表示鸟窝位置的维度，A_i,j＝(x_i,j,y_i,j)表示路径点坐标，A_i,1和A_i,m分别表示路径的起始点和目标点，对应B和T；步骤三、利用布谷鸟搜索算法的备选路径构建评价函数用于测试各路径的长度；评价函数如下：步骤四、对搜索空间中每个鸟窝位置进行检验，判断该鸟窝是否在自由栅格中，如果是，进入步骤五；否则，重新随机产生一个新的鸟窝替换它，直到所有鸟窝均在自由栅格中为止；步骤五、开始迭代，用评价函数分别测试每个在自由栅格中的鸟窝进行记录，并选出初始全局最优鸟窝位置保留至下一代；步骤六、利用迭代公式对自由栅格中的其余鸟窝逐个进行更新，得到新的一组鸟窝位置；针对逐个选取的鸟窝位置A，利用迭代公式更新为鸟窝位置B，如下：初始，t为当前迭代次数，初始值t＝0；α(t)为第t代的步长控制因子：L(λ)为Lévy随机搜索路径；L～u＝t‑λ(1＜λ≤3)；步骤七、针对新的一组鸟窝位置，用评价函数逐个测试每个鸟窝的路径长度，并判断路径长度是否小于各自的上一代路径长度，如果是，保留该新的鸟窝位置；否则，将该新的鸟窝位置抛弃并通过Lévy飞行建立新的鸟窝位置；步骤八、针对经过测试后更新的该组鸟窝位置，分别计算各鸟窝的当代布谷鸟的鸟蛋被巢主鸟发现概率Pa(t)；步骤九、从经过测试后更新的该组鸟窝位置中逐个选取鸟窝位置，并随机产生一个服从均匀分布的随机数γ与发现概率Pa(t)比较；判断γ是否小于发现概率Pa(t)，如果是，保留当前鸟窝为当代的最终鸟窝位置，进入步骤十一；否则，抛弃该鸟窝并通过Lévy飞行建立新的鸟窝位置；步骤十、重新利用评价函数计算新鸟窝位置D的路径长度，并与对应的鸟窝位置B/C的路径长度进行比较，保留路径长度小的鸟窝位置为当代的最终鸟窝位置；步骤十一、针对当代的最终一组鸟窝位置，与初始全局最优鸟窝位置组合，重新选出第t+1代全局最优鸟窝位置保留至下一代；当代的最终一组鸟窝位置集合为：全局最优鸟窝位置为集合S₀中路径长度最短的鸟窝位置；步骤十二、返回步骤五进行重复迭代，直至达到最大迭代次数终止循环，最优鸟窝位置即为最优路径，输出最优路径。