一种栅格图下的基于混合算法的无人船路径规划方法技术

本发明专利技术提供一种栅格图下的基于混合算法的无人船路径规划方法，以人工蜂群算法为基础算法，首先通过在粒子群中引入K

【技术实现步骤摘要】
一种栅格图下的基于混合算法的无人船路径规划方法


[0001]本专利技术涉及交通运输的
，具体而言，尤其涉及一种栅格图下的基于混合算法的无人船路径规划方法。

技术介绍

[0002]近年来，伴随着全球形势的不断变化，海洋已成为各国家的重点发展对象，国家之间在海洋上的博弈日趋激烈。无人船路径规划由于其巨大的实际应用价值，受到各领域的广泛关注。无人船路径规划研究涉及多门学科，包括机器学习、数据压缩、船舶避碰、信息采集等。由于近年来人工智能技术快速发展，也促进了这些学科的交流与进步，对于海洋运输业和海洋军事的发展具有重要意义。由于海洋环境复杂多变，无人船路径规划在环境模型建立、避碰信息获取及航行路线生成等方面面临诸多不确定因素。因此如何建立合理的海洋环境模型、如何快速精确获取一条距离短、路径平滑、安全系数高的航行路径是目前无人船路径规划中有待解决的关键问题。
[0003]目前来看，无人船研究的重点方向在于如何能够使其在复杂多变的海域环境下安全、有效地行驶，最终到达目标点。无人船根据一些有效的手段，能够避开潜在的风险，并以最优路径到达最终点，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种栅格图下的基于混合算法的无人船路径规划方法，其特征在于，包括以下步骤：S1：通过栅格图构建海上航行环境，将无人船航行环境转化为一个二维栅格图，通过黑色栅格来表示障碍物，即不可航行区域，用白色栅格来表示可航行区域；S2：通过粒子群算法，进行参数初始化；其中参数包括：群体个数m、权重因子ω、学习因子c1、c2和最大速度V
m
；S3：引入K
‑
means算法对粒子位置进行初始化；S4：更新粒子最优解和位置，具体方程为：S4：更新粒子最优解和位置，具体方程为：其中，V
i
＝(V
i1
，V
i2
，V
i3
，
…
，V
iD
)
T
表示粒子速度，表示第k次迭代中第d维的速度，X
i
＝(X
i1
，X
i2
，X
i3
，
…
，X
iD
)
T
表示粒子的位置，代表第k次迭代中第d维的位置，P
id
表示粒子i每个practice到目前为止所出现的个体极值，P
gd
表示粒子所有practice到目前为止所出的全局极值；S5：更新全局最优解P
gd
和最优位置生成搜索路径次优解；S6：通过人工蜂群算法，进行参数初始化，包括蜜源数量SN、控制参数limit、最大迭代次数MCN；S7：将步骤S4输出的全局最优解的位置做为蜜源位置，再次通过人工蜂群算法进行搜索全局最优解；S8：更新蜜源的位置，即更新最优解；S9：经过算法循环计算，搜索得到全局最优解，即距离最短、平滑度最优的航行路径；最后，直到所有跟随峰完成搜索之后，抛弃那些经过limit次循环后仍没有更新的解，即这些解陷入了局部最优，则其对应的跟随蜂转变成侦察蜂，产生新的蜂源来代替原蜂源；然后返回雇佣蜂搜索过程，开始重复循环，最后通过循环搜索找到最优解。2.根据权利要求1所述的一种栅格图下的基于混合算法的无人船路径规划方法，其特征在于，所述引入K
‑
means算法对粒子位置进行...

【专利技术属性】
技术研发人员：黄耀倞，高舒萍，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：