[发明专利]一种基于启发式算法的水下滑翔机路径规划方法

说明书

本发明涉及一种基于启发式算法的水下滑翔机路径规划方法，包括下列步骤：将水下环境进行栅格化处理:将水下环境划分栅格，进行环境建模，区分可行区域与障碍区域，位于可行区域的栅格称为可行栅格，用0表示，位于障碍区域的栅格称为障碍栅格，用1表示；种群初始化；对种群中的个体进行交叉操作；进行变异操作；计算种群中个体的适应度值，进行选择操作；完成交叉和变异之后，计算个体适应度值，采用轮盘赌机制选择被保留的个体，适应度越高越容易被保留；另，选择操作前进行精英保留，即挑选出种群中适应度最高的个体直接加入到下一代种群中，保证最优解一直存在；进行信息素浓度更新。

技术领域

本发明属于无人机自主控制领域，涉及一种基于启发式算法的水下滑翔机路径规划方法。

背景技术

近来，随着科技的发展和人们对海洋重要性认识的逐渐加深，许多先进的设备和仪器投入到海洋探索开发领域，这其中具有代表性的就是水下滑翔机。目前水下滑翔机已经在海洋资源勘探等领域中得到广泛的应用，越来越多的科学家和技术人员开始关注水下滑翔机并对其展开深入的研究。路径规划技术是水下滑翔机技术的关键部分，其为水下滑翔机在存在障碍物的环境中从起始节点移动到目标节点寻找可行的路径。事实上，路径规划问题可以看作各种机器人相关研究领域中最热门的领域之一，但与其他机器人不同，水下滑翔机处于复杂海洋环境下，受多种复杂环境因素如洋流的干扰，其路径规划问题更为复杂，对水下滑翔机路径规划问题的研究仍在继续。

启发式算法可以有效灵活的处理复杂问题，因此可以解决水下滑翔机路径规划问题，启发式算法包括遗传算法，蚁群算法，模拟退火法和粒子群算法。启发式算法能保证小规模场景下根据给定的约束条件找到问题的最优解，但是大规模场景下启发式算法收敛较慢并且同样容易出现提前收敛现象，不能保证所得解为全局最优解，想要提升解的质量就要扩大算法的搜索空间，这使收敛速度更加缓慢，大大降低了算法效率。因此，优化启发式算法解决水下滑翔机的路径规划问题是十分必要的。

融合算法是优化启发式算法的有效途径之一，融合算法结合不同启发式算法的特点，在不同阶段以不同的方式取搜索解，在加快收敛速度的同时提高了找到最优解的可能性。

发明内容

本发明提出了可以提高规划质量，并且加快搜索速度的水下滑翔机的路径规划方法，技术方案如下：

一种基于启发式算法的水下滑翔机路径规划方法，包括下列步骤：

第一步，将水下环境进行栅格化处理:为便于存储环境区域的信息，将水下环境划分栅格，进行环境建模，区分可行区域与障碍区域，位于可行区域的栅格称为可行栅格，即accessible grid，用0表示，位于障碍区域的栅格称为障碍栅格，用1表示，在栅格区域建立坐标系，每个栅格都用唯一的坐标表示，并确定路径规划的起点和终点所在的栅格位置；

第二步，种群初始化：基因节点编号对应于某一栅格，多个基因组合形成一条染色体，每一条染色体对应一条从起始点到终点的路径，也就是说遗传算法的染色体中存储的信息为环境模型的栅格编号；在进行初始化时，先将起始点栅格对应的基因节点加入染色体中，然后循环对染色体中最后一个基因节点周围的八个栅格进行选择，将被选择的邻接栅格加入到染色体中最后一位，直到终点栅格也被加入染色体，该条染色体完成初始化，接下来会继续进行其他染色体的初始化；然后将遗传算法个体的适应度值定义为该条染色体对应路径长度的倒数，则适应度高的个体在迭代中容易被保留；

第三步，对种群中的个体进行交叉操作：根据交叉概率选取两条父染色体，产生两条子染色体，并且检查子染色体中是否存在重复的栅格节点，若存在则此次交叉无效，重新选取父染色体的交叉点进行交叉，直到子染色体没有重复栅格；两条父染色体的交叉过程为：从两条父染色体的所有重复栅格中随机选择两个节点作为交叉点，但不能选择起点与终点，然后交换父染色体两个交叉点之间的基因片段，产生两条子染色体；