[发明专利]一种基于遗传算法的多USV群体协同避碰规划方法

权利要求书

1.一种基于遗传算法的多USV群体协同避碰规划方法，其特征在于，包括：

步骤一，采用浮点数编码方式对USV的速度调节量和艏向调节量进行初始化编码并设置控制参数；

每个USV的初始种群设置50个个体，个体编码长度为2，其中第j USV的每个个体i_j(Δv_ji,Δω_ji)包含当前USV速度调节量Δv_ji和航行器艏向调节量Δω_ji两部分；

任意设置第j USV的初始位置(x_j0,y_j0)，而每个USV初始速度v₀和初始艏向ω₀则分别取(10,40)节和(0°,360°)范围内的任意值；考虑到保证USV的航行稳定性和避免出现大角度转向与紧急加减速，设置每个USV的速度改变量的变化范围为+2节到-2节，速度的变化范围为10节到40节；每个USV的艏向变化量的变化范围为-15°到+15°，即艏向调节量Δω初始化时取-15°～15°范围内的随机数；

步骤二，构建评价函数，计算出种群的每代个体的评价函数值从而对种群个体进行轮盘赌选择、离散交叉、高斯变异的遗传操作，建立迭代过程得出最优解；

每个USV进行完当前时刻状态的寻优后，下一时刻的当前位置、当前速度与艏向、终点位置、航行环境中障碍物的位置以及航行器到障碍物的距离参数发生了变化，需要重新进行下一时刻的初始化种群，再找到这时刻的最优解；由每一时刻的最优速度调节量与艏向调节量组成了第j USV的一系列最优解结构为：

(Δv₀,Δω₀)→(Δv₁,Δω₁)→…→(Δv_m,Δω_m)→…→(Δv_n,Δω_n)

其中，(Δv_m,Δω_m)为第m次优化的最优解；

假设第j USV当前的位置为(x_jm,y_jm)，当前的速度和艏向为(v_jm,ω_jm)，第m步遗传算法迭代得到最优解为(Δv_jm,Δω_jm)，那么下一时刻的航速和艏向为：

下一时刻的位置为：

假设(x_j0,y_j0)和(x_jn,y_jn)为第j USV的起点和终点，(x_jm,y_jm)为第m次优化的最优解求出的路径点，由此组成一条第j USV的最优路径，其结构为：

(x_j0,y_j0)→(x_j1,y_j1)→…→(x_jm,y_jm)→…→(x_jn,y_jn)；

USV避碰规划的评价函数取为：

其中，f为评价函数值，其值衡为正，f值越大被选择成为子代的可能性越大；ω_i+1为USV下一时刻选取第i个体的艏向角；d₀为雷达坐标系的原点到障碍物的最短距离；d₁表示本USV到另一USV的最短距离；d表示USV当前位置到对应终点的距离；ν和μ为障碍物边界上下限角，γ和δ为另一USV边界上下限角；

评价函数采取奖惩机制增大区分度，当所取个体的下一时刻艏向角在障碍物边界上下限角范围内或者另一USV边界上下限角范围内，对其评价函数值缩小100倍使其被选择的概率减小；当所取个体的下一时刻的艏向角不在障碍物边界上下限角范围内和另一USV边界上下限角范围内，对其评价函数值扩大100倍使其被选择的概率增大，为极大值求解；

计算出种群个体的评价函数值后，选择轮盘赌选择法根据每个个体的评价函数值计算每个体被选择组成子代的概率，评价函数值越大的个体被选择的概率越大，并按照计算出的概率值随机选择个体组成下一代种群；

假设f(ji)为第j USV该代种群50个体的评价函数值，则每个体被选择的概率为：

其中，i＝1,2,...,50；

每个个体的累计概率：

之后产生区间[0,1]范围内的随机数p，若p＜q(i)，则选择个体i；否则选择满足q(k-1)＜p＜q(k)条件的个体k，这样重复50次后则完成了选择操作；

采用离散交叉，即随机选择个体配对后个体之间交换变量值且子代个体随机选择父代个体，交叉概率设置为0.8，将两个速度调节量和艏向调节量分开交叉，即航速变化量基因与航速变化量基因交叉、艏向变化量基因与艏向变化量基因交叉；

选择高斯变异方式，即产生一个服从高斯概率分布的随机数取代原来个体，设置种群个体的倒数0.02为变异概率，按照该变异概率选择个体的某个变量进行变异操作；

为了有效解决交叉、变异进化过程中随机性较强搜索效率低下致使进化迭代过程中出现子代最优个体劣于父代最优个体的“退化”，在传统遗传算法的基础上添加了保留操作，即比较父代子代种群的评价函数值，将其中最优个体完整的保留到下一代中；

最后，经过若干代种群的迭代后判断算法是否满足迭代结束条件，若满足，则输出最优个体的航速变化量和艏向变化量；若不满足，则重新构造评价函数进行迭代。