[发明专利]基于蚁群算法的无人船节能路径规划方法

说明书

本发明公开了基于蚁群算法的无人船节能路径规划方法。所述方法包括以下步骤：通过栅格法对环境进行建模，在建模后的地图上设立n个任务点，选取两个任务点i,j，通过Lazy theta*算法计算两个任务点的中间路径点，将中间路径点连成线得到最短路径；根据中间路径点，全局风浪流干扰方向和干扰大小，计算任务点i到任务点j的最短距离d_ij和能量消耗e_ij；计算n个任务点两两之间的最短距离和能量消耗，构建距离矩阵D和能量消耗矩阵E；将距离矩阵D和能量消耗矩阵E作为启发式信息进行蚁群算法计算，获取全局最优节能路径规划。本发明提出的将距离和能量消耗用作蚁群算法的启发式信息是一种可以得到全局最优节能路径规划的方法，有效节约无人船的能量消耗。

技术领域

本发明涉及路径规划领域，具体涉及一种基于蚁群算法的无人船节能路径规划方法。

背景技术

无人船目前在科研，监测，军事，环保等领域有了广泛应用和前景，在路径规划领域，研究人员已经在探索更多的可能性。A*算法可以计算两点间的一条较短路径，避开障碍物。蚁群算法将任务点间距离作为启发式信息，进行全局路径规划，对于多任务点的旅行商问题有着较好的性能。往往在一个全局多任务点路径规划中，利用A*算法进行两点间的路径规划，蚁群算法进行全局调配。

A*算法是一种很常用的路径查找和图形遍历算法，有着较好的性能和准确度。它根据代价函数的大小选择相邻节点进行搜寻，直至搜寻到终点。可是它寻找的路径往往有两个缺点。一是只能沿8个方向进行移动，也就是上下左右、左上、右上、左下、右下，无法任意角度移动，在实际场景中有所欠缺。二是可移动的下一个节点必定是相邻节点，所以导致从起点到终点会有大量中间路径点。综合上面两个缺点，A*算法计算出的路径是不平滑的。

Lazy theta*算法是一种改进的平滑A*算法。

蚁群算法是一种模拟蚂蚁觅食行为的模拟优化算法，蚂蚁在走过的路径上释放信息素，越多蚂蚁走的路信息素越多，再根据信息素浓度和路径距离概率性选择下一条路，最终多次迭代达到最优解。而蚁群算法的局限性在于仅将路径距离作为启发式信息，在无人船水面运功中，由于波浪流等外界干扰下，往往最短路径并不是最低的能量消耗。

考虑海流与无人艇动力学影响的节能A星路径规划方法(CN109489672A) 这一专利就曾阐述了两节点的节能路径规划，其利用的是传统的A*算法进行改进，可是A*算法有路径不平滑和大量中间路径点的缺点。而且该方法仅仅考虑两点的路径规划，在许多实际的测量任务中，多任务点的节能遍历是必不可少的。

发明内容

本发明的目的是解决现有技术中的不足，提供一种计算两点间最短路径和能量消耗的算法，并利用路径最短距离和能量消耗作为启发式信息，对多任务点遍历旅行商问题进行节能路径规划。是一种可以得到全局最优节能路径规划的方法，有效节约无人船的能量消耗。

本发明的目的至少通过如下技术方案之一实现。

基于蚁群算法的无人船节能路径规划方法，包括以下步骤：

S1、通过栅格法对环境进行建模，在建模后的地图上设立n个任务点，选取两个任务点i,j，通过Lazy theta*算法计算两个任务点的中间路径点，将中间路径点连成线得到最短路径；

S2、根据步骤S1中得出的中间路径点，全局风浪流干扰方向和干扰大小，计算任务点i到任务点j的最短距离d_ij和能量消耗e_ij；

S3、计算n个任务点两两之间的最短距离和能量消耗，构建距离矩阵D和能量消耗矩阵E；

S4、将距离矩阵D和能量消耗矩阵E作为启发式信息进行蚁群算法计算，获取全局最优节能路径规划。