【技术实现步骤摘要】
一种基于改进遗传算法的无人船航线规划方法
[0001]本专利技术涉及无人船航线规划方法,具体涉及一种基于改进遗传算法的无人船航线规划方法。
技术介绍
[0002]航线规划是根据已知的起始点和目标点以及外部环境信息对路径进行规划,目的是规划出一条安全且高效的路径。航线规划起源于机器人领域,随着科技的不断发展,航线规划逐渐应用于无人船领域,并引起国内外相关科研人员的关注。
[0003]目前比较常见的无人船航线规划方法主要有遗传算法、粒子群算法、蚁群算法等等。由于粒子群(Particle Swarm Optimization,PSO)算法以及蚁群(Ant Colony Optimization,ACO)算法对初始化参数依赖性较大以及参数设置等方面大多依靠经验或者试错实验进行选取且极易陷入局部最优,导致PSO和ACO算法对于不同的情景下对路径性能优劣会有较大影响,并不适用于不同情境下的航线规划。
[0004]以上两种算法在解决多目标问题及组合优化问题时也存在着效率低且易陷入局部最优的缺陷。由于遗传算法相比于其他算法(PSO、ACO等)在解决多目标问题表现出很好的应能,故被广泛应用于航线规划系统。但是,传统遗传算法仍存在收敛效率不高、局部搜索能力差导致的“早熟”的现象。
[0005]本专利技术采用遗传算法作为基础航线规划方法,并对其进行改进以满足航线优化要求。
技术实现思路
[0006](一)要解决的技术问题
[0007]提出一种基于改进遗传算法的无人船航线规划方法,以克服传统遗 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进遗传算法的无人船航线规划方法,其特征在于:该方法包括以下步骤:步骤1、环境建模,建立无人船航行环境,所建立的环境包含阴影区域和空白区域,阴影区域表示障碍物,空白区域表示无人船可行走区域;步骤2、设置无人船的起点和终点,起点和终点在所建立的环境地图内;步骤3、使用改进遗传算法对无人船最优路径进行规划,包括:步骤3.1采用限制随机初始化种群对随机初始化种群加以限制,初始化为无碰撞的路径,提高初始种群质量;步骤3.2计算所有个体目标函数值及适应度值;步骤3.3将Pareto算子和二元锦标赛算子相结合执行选择操作,采用Pareto作为主选择算子,二元锦标赛算子作为补充,使选择出来的个体为种群的一半;步骤3.4采用八领域方法执行安全算子,将障碍物区域分为八邻域;步骤3.5执行自适应交叉、变异操作;步骤3.6判断是否达到最大迭代次数,如果是执行步骤3.7
‑
3.8,否则执行步骤3.2;步骤3.7使用删除算子以减少无效的路径点;步骤3.8使用安全算子,对距离障碍物过近的路径点按照八邻域方法重新生成。2.根据权利要求1所述的一种基于改进遗传算法的无人船航线规划方法,其特征在于:所述步骤3.1种群初始化方式为限制随机初始化,其过程主要分为2步:首先根据染色体长度M生成一条从起点到终点的M+1个直线路径段,之后将在障碍物内的路径点限制随机初始化为不在障碍物内的路径点;其次判断两个路径点连线是否穿越障碍物,如果穿越障碍物,则对路径点采用限制随机初始化为连线不穿越障碍物的路径点,种群初始化公式如下所示:示:其中:其中:
式中:(x
i
,y
i
)是路径点i的坐标;(x
e
,y
e
)是设置的边界坐标,其值决定着搜索范围;(x
s
,y
s
)是起始点坐标;(x
t
,y
t
)是终止点坐标;k是起始点和目标点组成的斜率;b是过等分点垂线与y轴截距;(x
q
,y
q
)是路径经过等分之后形成的坐标;a是过等分点与y轴的交点;c是过等分点与x轴交点;d是决定x
i
的最小取值;M是染色体长度;R
i
=[R
(i,1)
,R
(i,2)
]决定路径点变化范围,R
(i,1)
,R
(i,2)
变化范围分别由边界坐标确定。当计算的路径点在障碍物内或者两个路径点的连线穿越障碍物,则重新运行上述公式对路径点重新生成,直到生成满足条件的初始种群。3.根据权利要求1所述的一种基于改进遗传算法的无人船航线规划方法,其特征在于:所述步骤3.3执行选择操作方法包括:将Pareto算子和二元锦标赛算子相结合执行选择操作,采用Pareto作为主选择算子,二元锦标赛算子作为补充,使选择出来的个体始终为初始种群数量的一半;Pareto
‑
二元锦标赛选择算子的基本步骤如下:(1)设i=1;(2)对于所有种群j=1,2,.......,N,且j≠i,按照以上定义,比较种群X
i
...
【专利技术属性】
技术研发人员:邓芳,于敦敬,杨化林,靳磊磊,张翰林,
申请(专利权)人:青岛科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。