一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法技术

本发明专利技术公开了一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法，涉及路径优化技术领域，具体包括利用改进鲸鱼优化算法迭代找到无人救援飞艇的最佳路径。本发明专利技术中，在标准鲸鱼优化算法的基础上，通过对收敛因子采用非线性分段更新策略，同时引入惯性权重系数和随机变异扰动策略的措施，大幅改进标准鲸鱼算法收敛速度慢、全局寻优能力差、收敛精度低的缺点，进而使海上无人救援飞艇在最短时间到达目标位置，顺利完成海上救援任务。顺利完成海上救援任务。顺利完成海上救援任务。

【技术实现步骤摘要】
一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法


[0001]本专利技术属于路径优化
，尤其涉及一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法。

技术介绍

[0002]为降低人力物力的消耗，提高救援效率，海上无人救援已经是世界各国采用的主要方式；目前使用最多的无人救援设备为无人救援飞艇，它的体积要比一般的救援船小，同时又满足对救援载重的要求，但是采用无人救援对救援工具的智能性，稳定性要求较高；面对复杂海域，无人救援飞艇需要选择最优路径到达目标位置，这就要求无人救援飞艇需要更优的算法来选择路径。
[0003]鲸鱼算法是一种元启发式算法，相比其他的群智能算法，鲸鱼优化算法具有实现简单、调节参数少的优势，但也存在收敛速度慢、全局寻优能力差、收敛精度低等缺点。针对以上不足，本专利技术专利提出了以下三点改进措施，针对性地改善标准鲸鱼算法的收敛速度、求解精度及全局寻优性能。

技术实现思路

[0004]本专利技术的目的在于：解决标准鲸鱼算法收敛速度慢、全局寻优能力差、收敛精度低的问题，避免标准鲸鱼算法在迭代后期陷入局部最优，提高海上无人救援飞艇的选择最优救援路径的性能，在最短时间到达目标位置，而提出了一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法，具体包括：
[0007]1、建立20*20的二维栅格海面地图模型：
[0008]利用栅格法对海面地图环境进行二维建模，设置start起始节点、dest目标节点、obstacle障碍物等栅格；其中黑色方格代表障碍物，白色方格代表可通过的海面。
[0009]2、海上无人救援飞艇最优路径规划方法：
[0010]Step1：初始化算法参数。包括种群数量N、初始迭代次数t、最大迭代次数T、算法收敛因子初值a
ainitial
、对数螺旋形状常数b、惯性权重因子幅值U、问题求解空间维度D以及搜索空间边界向量X
ub
和X
lb
；
[0011]Step2：随机初始化鲸鱼种群个体的位置；
[0012]Step3：对鲸鱼种群个体进行边界控制，对越界值进行赋边界值处理；
[0013]Step4：根据目标函数计算种群中每个个体的适应度值，存储或更新当前搜索到的最优个体的位置X
*
(t)和最优适应度值f
*
；
[0014]Step5：按改进的收敛因子公式更新非线性分段收敛因子a的值，同时更新A、C的值；
[0015]Step6：按改进的惯性权重因子公式更新周期性正弦型自适应惯性权重因子w的
值；
[0016]Step7：根据p值大小，按改进的位置更新公式，选择更新鲸鱼个体位置的方式；
[0017]k1＝rand(N,1)
[0018]Step8：执行单个体随机变异扰动策略，按式k2＝rand(D,1)随机选取需要变异个体在种群中的索引及其变异维度索引，按式X
k1,k2
(t)＝lb
k2
+rand(ub
k2
‑
lb
k2
)进行鲸鱼个体位置扰动更新，变异的个体存入种群，用于下一轮算法迭代；
[0019]Step9：t＝t+1。若没有达到最大迭代次数T，则转Step 3；否则停止迭代，输出算法搜索到的最优个体位置X
*
(t)及最优适应度值f
*
，程序结束。
[0020]进一步，所述Step4中，目标函数公式为：
[0021][0022]其中，X
i
为第i只鲸鱼个体的位置，n表示鲸鱼个体在搜索空间中的维度，(x
n
,y
n
)表示第n维的鲸鱼个体在栅格地图上的坐标，同理，(x
n+1
,,y
n+1
)表示第n+1维的鲸鱼个体在栅格地图上的坐标。
[0023]进一步，所述Step5中，改进的收敛因子a公式为：
[0024][0025]保持a的取值范围[0,2]不变，在[1,2]值域内采用非线性递减更新策略，在[0,1]值域内采用非线性余弦型更新策略；
[0026]进一步，所述Step6中，改进的惯性权重因子公式为：
[0027][0028]进一步，所述Step7中，根据p值大小，位置按改进的位置更新公式更新；
[0029]当p＜0.5时，若A＜1，鲸鱼个体位置更新公式为：
[0030]X
i
(t+1)＝w
·
X
*
(t)
‑
A
·
D
[0031]其中，X
*
(t)为当前群体中的最优解位置，D为当前座头鲸与最优解位置之间的距离，A是系数变量，A的值由改进后的收敛因子a决定，W为引入的惯性权重因子。
[0032]若A≥1，则在当前种群中随机确定鲸鱼个体位置X
r
(t)后，此时个体位置更新公式为：
[0033]X
i
(t+1)＝w
·
X
r
(t)
‑
A
·
|C
·
X
r
(t)
‑
X
i
(t)|
[0034]其中，X
r
(t)为当前种群中随机确定鲸鱼个体位置，C为随机系数变量。
[0035]当p≥0.5时，此时鲸鱼个体位置更新公式为：
[0036]X
i
(t+1)＝D'
·
e
bl cos(2πl)+w
·
X
*
(t)
[0037]其中，b为限定对数螺旋形状的常数；l是[
–
1,1]上的随机数。
附图说明
[0038]图1为改进前后收敛因子a变化趋势图；
[0039]图2为惯性权重系数w取值随迭代次数变化趋势图；
[0040]图3为基于改进鲸鱼算法的海上无人救援飞艇路径规划方法流程图；
[0041]图4为灰狼优化算法优化路径结果示例图；
[0042]图5为标准鲸鱼优化算法优化路径结果示例图；
[0043]图6为改进鲸鱼优化算法优化路径结果示例图；
[0044]图7为灰狼优化算法优化路径的收敛曲线变化图；
[0045]图8为标准鲸鱼优化算法优化路径的收敛曲线变化图；
[0046]图9为改进鲸鱼优化算法优化路径的收敛曲线变化图；
具体实施方式
[0047]为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法，其特征在于，具体包括：Step1：初始化算法参数。包括种群数量N、初始迭代次数t、最大迭代次数T、算法收敛因子初值a
ainitial
、对数螺旋形状常数b、惯性权重因子幅值U、问题求解空间维度D以及搜索空间边界向量X
ub
和X
lb
；Step2：随机初始化鲸鱼种群个体的位置；Step3：对鲸鱼种群个体进行边界控制；Step4：根据目标函数计算种群中每个个体的适应度值，存储或更新当前搜索到的最优个体的位置X
*
(t)和最优适应度值f
*
；Step5：按改进的收敛因子公式更新非线性分段收敛因子a的值，同时更新A、C的值；Step6：按改进的惯性权重因子公式更新周期性正弦型自适应惯性权重因子w的值；Step7：根据p值大小，按改进的位置更新公式，选择更新鲸鱼个体位置的方式；Step8：执行单个体随机变异扰动策略，按式随机选取需要变异个体在种群中的索引及其变异维度索引，按式X
k1,k2
(t)＝lb
k2
+rand(ub
k2
‑
lb
k2
)进行鲸鱼个体位置扰动更新，变异的个体存入种群，用于下一轮算法迭代；Step9：t＝t+1。若没有达到最大迭代次数T，则转Step3；否则停止迭代，输出算法搜索到的最优个体位置X
*
(t)及最优适应度值f
*
，程序结束，输出最优路径。2.根据权利要求1所述一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法，其特征在于：Step3中所述边界控制的方法为：对越界值进行赋边界值处理。3.根据权利要求1所述一种基于改进鲸鱼算法的海上无人救援飞艇路径规划方法，其特征在于：Step4中所述目标函数为：其中，X
i
为第i只鲸鱼个体的位置，n表示鲸鱼个体在搜索空间中的维度，(x
n
,y
n
)表示第n维的鲸鱼个体在栅格地图上的坐标，同理，(x
...

【专利技术属性】
技术研发人员：徐明辉，饶志鹏，丁启萌，
申请(专利权)人：济南大学，
类型：发明
国别省市：