[發(fā)明專利]水質(zhì)采樣巡航船路徑規(guī)劃最優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710303020.X
• 申請(qǐng)日: 2017-05-03
• 公開(kāi)（公告）號(hào): CN107153889B
• 公開(kāi)（公告）日: 2020-07-17
• 發(fā)明（設(shè)計(jì)）人: 于家斌;王小藝;許繼平;宗陳;金學(xué)波;王立
• 申請(qǐng)（專利權(quán)）人: 北京工商大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/00
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 姜榮麗

本發(fā)明公開(kāi)了一種水質(zhì)采樣巡航船路徑規(guī)劃最優(yōu)化方法，涉及湖泊水質(zhì)采樣和路徑規(guī)劃技術(shù)領(lǐng)域。所述方法在湖面的二維坐標(biāo)圖上進(jìn)行采樣點(diǎn)的選取與部署；采用自適應(yīng)粒子群優(yōu)化算法，規(guī)劃出采樣點(diǎn)網(wǎng)絡(luò)的最優(yōu)路徑。所述的自適應(yīng)粒子群算法將自適應(yīng)函數(shù)融合在粒子群算法中用以保留交換序，在路徑更新的過(guò)程中引入自適應(yīng)函數(shù)后算法自動(dòng)刪除μ值為0所對(duì)應(yīng)的交換序，算法中d(i,j)與max/2的大小判斷提高了算法的收斂速度，同時(shí)有效避免了算法陷入局部最優(yōu)。本發(fā)明使路徑規(guī)劃的效果得到了很大的改善，即規(guī)劃出的路徑更短，節(jié)省了水質(zhì)采樣巡航船的電量消耗，使巡航船的續(xù)航能力更強(qiáng)，提高了巡航船采樣作業(yè)的性能；并解決了路徑規(guī)劃方法總是快而不穩(wěn)的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及湖泊水質(zhì)采樣和路徑規(guī)劃技術(shù)領(lǐng)域，具體是指一種水質(zhì)采樣巡航船路徑規(guī)劃最優(yōu)化方法。

背景技術(shù)

水是人類寶貴且不可或缺的自然資源。由于我國(guó)水污染問(wèn)題日益嚴(yán)重，水環(huán)境的保護(hù)已經(jīng)被國(guó)家列為一項(xiàng)重點(diǎn)實(shí)施的政策。水環(huán)境的治理與保護(hù)需要進(jìn)行水質(zhì)監(jiān)測(cè)，而水質(zhì)采樣是水質(zhì)監(jiān)測(cè)的重要組成部分，所以水質(zhì)采樣的效率直接影響水環(huán)境治理的效率。為了提高采樣作業(yè)的效率，水質(zhì)采樣巡航船進(jìn)行采樣作業(yè)時(shí)，需要有一種能快速高效實(shí)現(xiàn)路徑的規(guī)劃的方法。一直以來(lái)，怎樣高效的解決巡航船的路徑規(guī)劃問(wèn)題是該領(lǐng)域的一個(gè)難題。目前有很多智能方法可以解決這類問(wèn)題。粒子群算法是智能算法中運(yùn)算最簡(jiǎn)單的一種，粒子群優(yōu)化算法(PSO算法)是由Kennedy和Eberhart(見(jiàn)參考文獻(xiàn)[1]：Kennedy J，EberhartR.Particle swarm optimization[C]//IEEE International Conference on NeuralNetworks，1995：1942-1948.)通過(guò)對(duì)鳥(niǎo)群社會(huì)行為的觀察研究，提出的一種新穎的進(jìn)化算法。PSO算法設(shè)置參數(shù)少，容易實(shí)現(xiàn)，可用于解決非線性、不可微和多峰值等復(fù)雜的優(yōu)化問(wèn)題，此外，該算法搜索效率高，收斂性能也很好。

發(fā)明內(nèi)容

為了提高水質(zhì)采樣巡航船路徑規(guī)劃的速度，本發(fā)明將巡航船的路徑規(guī)劃問(wèn)題簡(jiǎn)單轉(zhuǎn)化為二維旅行商問(wèn)題，用改進(jìn)的粒子群優(yōu)化算法規(guī)劃點(diǎn)與點(diǎn)之間的路徑，該方法可以結(jié)合實(shí)際情況實(shí)時(shí)規(guī)劃出水質(zhì)采樣巡航船在所有采樣點(diǎn)之間的最優(yōu)行駛路徑。

針對(duì)使用基本粒子群算法規(guī)劃路徑容易早熟和陷入局部最優(yōu)的缺點(diǎn)，本發(fā)明提出了一種簡(jiǎn)單而高效的自適應(yīng)粒子群算法，并提出了一種基于自適應(yīng)粒子群算法的水質(zhì)采樣巡航船路徑規(guī)劃最優(yōu)化方法，所述方法首先需要獲取目標(biāo)水域的采樣點(diǎn)網(wǎng)絡(luò)，然后用自適應(yīng)粒子群算法對(duì)采樣點(diǎn)網(wǎng)絡(luò)進(jìn)行采樣點(diǎn)的路徑規(guī)劃，具體包括以下三步：

第一步：用無(wú)人機(jī)攝像頭采集湖面的圖像，然后進(jìn)行圖像處理，得到湖面的二維坐標(biāo)圖。

第二步：針對(duì)湖面的二維坐標(biāo)圖，利用粒子群算法進(jìn)行采樣點(diǎn)的選取與部署，選取出工作人員所期望的采樣點(diǎn)網(wǎng)絡(luò)。

第三步：采用自適應(yīng)粒子群優(yōu)化算法，規(guī)劃出采樣點(diǎn)網(wǎng)絡(luò)的最優(yōu)路徑，輸出優(yōu)化路徑。

其中，第三步所述的采用自適應(yīng)粒子群算法得到路徑最優(yōu)解的步驟如下：

步驟3.1：根據(jù)湖面采樣點(diǎn)網(wǎng)絡(luò)的坐標(biāo)信息，設(shè)定自適應(yīng)粒子群算法的相關(guān)參數(shù)，包括種群大小、采樣點(diǎn)個(gè)數(shù)、迭代次數(shù)、加速因子C1和加速因子C2和慣性權(quán)值W；

步驟3.2：初始化粒子種群產(chǎn)生隨機(jī)路徑序列，初始化所有粒子的速度產(chǎn)生隨機(jī)交換序；

步驟3.3：計(jì)算所有采樣點(diǎn)之間的距離，記錄最大距離。

步驟3.4：根據(jù)C1，C2，W和引入的自適應(yīng)函數(shù)μ值四個(gè)參數(shù)自適應(yīng)地保留路徑交換序；

步驟3.5：根據(jù)保留的交換序進(jìn)行路徑更新；

步驟3.6：判斷是否連續(xù)迭代20次路徑長(zhǎng)度保持不變，若是，則輸出路徑規(guī)劃的結(jié)果；若否，判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出路徑規(guī)劃的結(jié)果，若否則回轉(zhuǎn)執(zhí)行步驟3.4；