[發明專利]基于貪婪機制粒子群算法的無人船路徑規劃方法及系統

在審

• 申請號: 202010163351.X
• 申請日: 2020-03-10
• 公開（公告）號: CN111338350A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 辛峻峰;李世鑫;李鵬昊;李書悅;楊奉儒
• 申請（專利權）人: 青島藍海未來海洋科技有限責任公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

1.一種基于貪婪機制粒子群算法的無人船路徑規劃方法，其特征在于，包括：

獲取無人船當前位置、航向數據及目標位置；

基于貪婪機制粒子群算法計算出無人船從當前位置至目標位置途徑的最優位置點，再根據預設約束因子來修正無人船航向數據的航跡偏轉，最終得到無人船的最優路徑；

其中，基于貪婪機制粒子群算法計算無人船從當前位置至目標位置途徑的最優位置點的過程為：

建立貪婪黑箱，基于無人船位置初始化粒子群參數并生成初始粒子群；初始粒子群由無人船的若干條初始路徑組成，粒子為路徑中的位置點；

進入迭代循環，將每次迭代的初始粒子群中的粒子分成預設數量的粒子組；

對于每個粒子組，篩選出每個粒子組中的適應度最低的兩個粒子O(1,2)，使用貪婪黑箱生成兩個新粒子O’(1,2)；所述適應度為路徑長度的倒數；

比較O(1,2)與O’(1,2)的適應度，保留適應度高的兩個粒子并更新粒子組；

對所有更新后的粒子組執行2-opt操作并找到每個更新后的粒子組中的最短路徑，更新粒子最優位置和群體最優位置，直至達到迭代循環停止條件時，輸出當前群體最優位置。

2.如權利要求1所述的基于貪婪機制粒子群算法的無人船路徑規劃方法，其特征在于，初始化粒子群參數包括初始化種群數量、最大迭代次數、適應度的計算函數以及粒子的速度相關系數。

3.如權利要求2所述的基于貪婪機制粒子群算法的無人船路徑規劃方法，其特征在于，迭代循環停止條件為達到最大迭代次數或當前群體的適應度最小。

4.如權利要求1所述的基于貪婪機制粒子群算法的無人船路徑規劃方法，其特征在于，所述約束因子為海浪作用力，海浪作用力是海浪高度及海浪流速的已知函數。

5.如權利要求1所述的基于貪婪機制粒子群算法的無人船路徑規劃方法，其特征在于，對所有更新后的粒子組執行2-opt操作的過程為：

對于每個更新后的粒子組，隨機選擇兩個非相鄰的位置點，它們之間的路徑片段將被完整地反轉并連接回原始的路徑中，從而產生一個新的路徑，此過程將重復，直到找到每個更新后的粒子組中的最短路徑。

6.一種基于貪婪機制粒子群算法的無人船路徑規劃系統，其特征在于，包括：

數據獲取模塊，其用于獲取無人船當前位置、航向數據及目標位置；

路徑規劃模塊，其用于基于貪婪機制粒子群算法計算出無人船從當前位置至目標位置途徑的最優位置點，再根據預設約束因子來修正無人船航向數據的航跡偏轉，最終得到無人船的最優路徑；

其中，基于貪婪機制粒子群算法計算無人船從當前位置至目標位置途徑的最優位置點的過程為：

建立貪婪黑箱，基于無人船位置初始化粒子群參數并生成初始粒子群；初始粒子群由無人船的若干條初始路徑組成，粒子為路徑中的位置點；

進入迭代循環，將每次迭代的初始粒子群中的粒子分成預設數量的粒子組；

對于每個粒子組，篩選出每個粒子組中的適應度最低的兩個粒子O(1,2)，使用貪婪黑箱生成兩個新粒子O’(1,2)；所述適應度為路徑長度的倒數；

比較O(1,2)與O’(1,2)的適應度，保留適應度高的兩個粒子并更新粒子組；

對所有更新后的粒子組執行2-opt操作并找到每個更新后的粒子組中的最短路徑，更新粒子最優位置和群體最優位置，直至達到迭代循環停止條件時，輸出當前群體最優位置。

7.如權利要求6所述的基于貪婪機制粒子群算法的無人船路徑規劃系統，其特征在于，在所述路徑規劃模塊中，初始化粒子群參數包括初始化種群數量、最大迭代次數、適應度的計算函數以及粒子的速度相關系數。

8.如權利要求6所述的基于貪婪機制粒子群算法的無人船路徑規劃系統，其特征在于，

在所述路徑規劃模塊中，對所有更新后的粒子組執行2-opt操作的過程為：

對于每個更新后的粒子組，隨機選擇兩個非相鄰的位置點，它們之間的路徑片段將被完整地反轉并連接回原始的路徑中，從而產生一個新的路徑，此過程將重復，直到找到每個更新后的粒子組中的最短路徑。