[发明专利]一种基于万有引力搜索的水面无人艇航路规划方法

说明书

技术领域

本发明涉及路径搜索技术，具体涉及一种基于万有引力搜索的水面无人艇航路规划方法。

背景技术

水面无人艇(unmanned surface vehicle，USV)可承担情报收集、海上侦察监视、精确打击、搜捕、水文地理勘察、反恐、海洋封锁支持等功能，在海洋科研、海洋开发和军事领域具有极其广泛的应用前景，已经成为国内外智能化装备的研究方向之一。目前已有多种无人艇应用于军事、科研等领域，其中以美国的“SPAR-TAN”和以色列的“Protector”为典型代表。自主航线规划是实现水面无人艇自治航行的重要环节。路径的选择目标是要求得的路径路程为所有路径之中的最小值。

万有引力搜索算法(gravitational search algorithm，GSA)是由伊朗的克曼大学教授Esmat Rashedi等人于2009年提出的一种源于对物理学中的万有引力进行模拟的新的优化搜索技术，与粒子群算法(particle swarm optimization，PSO)相似，是一种元启发式算法，它通过群体中各粒子之间的万有引力相互作用产生的群体智能指导优化搜索，而且它是一种新兴的启发式仿生智能优化算法，目前人们对万有引力搜索算法的研究虽然刚刚起步，但是已经取得了很多突破性进展，从而使这种新兴的仿生优化算法展现出勃勃生机和广阔的发展前景。不同于其它仿生智能算法，万有引力搜索过程中所体现出的并行性、协同性、自组织性、动态性、强鲁棒性等特点与复杂战场环境的许多要求是相符的，因此万有引力搜索算法可用于解决水面无人艇的智能避碰问题。但是基本万有引力搜索算法存在着搜索时间长、容易陷于局部最优解等缺点，因此在应用万有引力搜索算法解决水面无人艇航路规划问题时必须对其进行改进。

发明内容

本发明的目的在于提供一种基于万有引力搜索方法的水面无人艇航路规划方法，可以在更短的时间内寻找出最优的路径，具有较好的实时性和快速性，更适用于路径的搜寻技术。

为了实现上述目的，本发明采用的具体技术方案如下：

一种基于万有引力搜索方法的水面无人艇航路规划方法，包括如下步骤：

步骤一：将水面无人艇的原坐标系Oxy转化成以起点和终点连线为横轴的新坐标系Ox’y’，将x’轴D等分，根据万有引力搜索算法得出的数据，优化每个等分点垂线上的y’坐标，得到一组由y’坐标组成的数据，将得出的新坐标一一连接，得到一条连接起始点和终点的路径，进而建立一个关于D维函数优化的水面无人艇航路规划数学模型，所采用的坐标系的转换公式为：

其中，(x,y)是原坐标系Oxy上的路径点，(x,’y’)是新坐标系Ox’y’上的路经点，θ为原坐标系Oxy转为新坐标系Ox’y’的角度，ST表示原坐标系Oxy下起始点到终点的向量；

步骤二：初始化改进的万有引力搜索算法的参数，所述参数包括优化维数D、种群规模M、最大迭代次数K_max、水面无人艇的起点S和水面无人艇的终点T；

步骤三：随机初始化N条路径以及各个粒子的初始位置和加速度，建立旋转坐标系，然后将所述旋转坐标系的横轴D等分；

步骤四：计算在t时刻所述N条路径中的每条路径的适应度值fitness、最好适应度值best(t)和最坏适应度值worst(t)，并更新引力常数G(t)；

步骤五：按照以下式子更新粒子的惯性质量M_i(t)：

其中，fit_i(t)表示第i个粒子在t时刻的适应值fitness大小，且，最好适应度值best(t)和最坏适应度值worst(t)分别表示为：

步骤六：根据基于动态惯性权重法的万有引力方法对粒子速度进行更新，更新公式如下：

式中，w表示惯性权重，且基于动态惯性权重法的w＝(0.5+rand/2)；rand_j,rand_k表示在[0,1]之间的随机变量；c₁,c₂表示在[0,1]之间的常量；表示粒子i经历过的最好位置；表示群体中所有粒子所经历的最好位置；

步骤七：采用优胜劣汰的选择模式对各个粒子进行位置更新，位置更新公式如下：

步骤八：若迭代次数t大于最大迭代次数K_max，则退出循环，并将得到的最优路径坐标进行坐标反变换，并输出最优航行路径；否则，返回步骤四进入下一次迭代。