原文传递
基于改进粒子-人工蜂群混合算法的无人船路径规划
| 论文题名： | 基于改进粒子-人工蜂群混合算法的无人船路径规划 |
| 关键词： | 无人船;栅格法;人工蜂群算法;粒子群算法;路径规划 |
| 摘要： | 随着国际贸易量日趋增加，海上运输业务飞速发展，无人船(UnmannedSurfaceVehicle,USV)作为海上运输的新方式，具有巨大的商业价值和军事价值。其中，作为无人船核心技术之一的路径规划，受到了广大海上运输业和科研工作者的密切关注。因此，在已知海洋环境中可以获得一条距离短、成本低、安全性高的船舶航行路径成为了航海领域最热门的研究方向之一。 首先，本文针对路径规划问题的特点选择采用栅格法建立海洋环境模型，分别利用粒子群算法(ParticleSwarmOptimization,PSO)和人工蜂群算法(ArtificialBeeColony,ABC)进行路径规划仿真实验，实验结果显示两种算法规划出来的路径长、拐点多、搜索效率低，不满足无人船安全航行的要求；其次，为了提高船舶航行路径的质量，增强算法的全局搜索能力，结合粒子群算法和人工蜂群算法的优势，提出了一种粒子-人工蜂群混合算法，不但增强了算法的全局搜索能力，加快了算法的收敛速度，而且路径质量相对提高，加快了搜索速率；再次，为了进一步优化船舶航行路径，针对人工蜂群算法收敛速度慢、容易陷入局部最优的缺点，优化随机搜索方程和概率选择公式，引入小步长侦察蜂、引入禁忌搜索策略，并融合粒子群算法提出一种改进粒子-人工蜂群混合算法并再次进行路径规划仿真实验，结果显示不但加快了算法的收敛速度，解决了容易陷入局部最优的问题，并且路径长度更短、拐点数更少；最后，为了验证算法改进策略的有效性和可行性，本文进行了不同分辨率栅格地图下的仿真实验，结果表明相比较于人工蜂群算法和粒子-人工蜂群混合算法，改进后的混合算法规划出来的路径在长度、拐点数、计算速度等方面都更优，证明了改进策略的有效性和可行性。 本文较为系统地分析了路径规划研究方法，通过对人工蜂群算法进行改进，并融合粒子群算法提出了一种改进粒子-人工蜂群混合算法。从仿真实验结果可知，利用该算法规划的路径短、拐点少，使得航行成本低、航行环境更加安全。同时，本方法在无人船航行过程中搜索路径的时间更短，具有实时性。因此，本文提出的改进方法在应用于无人船路径规划时具有有效性和可行性，且具有实际意义。 |
| 作者： | 高舒萍 |
| 专业： | 交通信息工程及控制 |
| 导师： | 黄耀倞 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
