[发明专利]一种用于AUV实时路径规划的免疫遗传算法

说明书

技术领域

本发明涉及自主水下机器人（AUV，Autonomous Underwater Vehicle）的实时路径规划方法，更具体地说，是AUV实时避碰过程中根据在线地图进行在线、实时局部路径规划的方法。

背景技术

自主水下机器人是一种自身携带能源，依靠自主导航系统，通过智能的规划决策，自主航行到作业区域，自主完成作业使命的潜水器。自主性要求自主水下机器人能在无外界控制条件下自主地适应多变、复杂的外界环境，特别是要应对事先未知的障碍。这就需要自主水下机器人在具备实时避碰功能的同时，还应具备在线、实时局部路径规划的能力。

实时路径规划定义为：在AUV航行过程中根据传感器信息生成的在线地图按照一定评价标准寻找一条从起点到目标点的优选路径的过程。常用的实时路径规划算法有人工势场法、A*或D*算法、遗传算法等。人工势场法具有良好的实时性，但存在陷阱区域和在相近障碍物之间不能发现路径等缺点。A*或D*等优化搜索算法更适用于解决单目标优化问题。遗传算法是一种基于自然选择和自然遗传的全局优化算法，采用群体方法对目标函数空间进行多线索的并行搜索，更适用于AUV实时路径规划这类多目标优化问题。但传统遗传算法存在早熟和收敛速度慢两个难题，并不适用于AUV实时路径规划要求。

发明内容

本发明要解决的技术问题是提供一种具有较好收敛速度和收敛性的AUV实时路径规划方法，当AUV实时避碰策略陷入死循环时，该方法能引导AUV避开障碍、跳出死循环，并且继续执行使命任务。

本发明为实现上述目的所采用的技术方案是：一种用于AUV实时路径规划的免疫遗传算法，包括以下步骤，

1）根据AUV路径点数目设定小种群个数，初始化小种群的规模、最多进化代数和随机生成小种群的个体；

2）对每个小种群进行免疫选择后，每个小种群得到两个子群；将其中一个子群进行遗传操作，另一个进行细胞克隆；将得到的两个子群进行接种疫苗和抗体聚类，形成下一代小种群；

3）判断下一代小种群是否满足最多进化代数或Pareto最优解条件；如果满足，则根据亲和度的值选出这些小种群的最优个体；如果不满足，则返回步骤2）；

4）从每个小种群最优个体组成的集合中，根据每个最优个体的亲和度选择亲和度值最大的一个作为最优个体，该最优个体即为规划的路径。

所述免疫选择具体为：选择亲和度高的个体，且个体个数满足设定值；亲和度的值通过公式A(Pmk)=11+|J(Pmk)-mini=1NbmJ(Bmi)|]]>得到；

其中，适应值