CN110941263A - 一种自主水下航行器路径规划方法和装置 - Google Patents
一种自主水下航行器路径规划方法和装置 Download PDFInfo
- Publication number
- CN110941263A CN110941263A CN201911025829.6A CN201911025829A CN110941263A CN 110941263 A CN110941263 A CN 110941263A CN 201911025829 A CN201911025829 A CN 201911025829A CN 110941263 A CN110941263 A CN 110941263A
- Authority
- CN
- China
- Prior art keywords
- path
- target
- pheromone
- planning
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000000009 alarm pheromone Substances 0.000 claims abstract description 105
- 239000003016 pheromone Substances 0.000 claims abstract description 104
- 241000257303 Hymenoptera Species 0.000 claims abstract description 77
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 75
- 230000008569 process Effects 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 241001474374 Blennius Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000005712 elicitor Substances 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了一种自主水下航行器的路径规划方法和装置，其中，所述方法包括：每一代蚂蚁完成路径规划之后，按照预设的信息素更新规则分别对路径上释放的警报信息素和引导信息素进行更新，获得目标警报信息素和目标引导信息素；当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；根据所述目标路径点，获得目标规划路径；判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。采用本发明所述的自主水下航行器的路径规划方法，能够极大提升了蚁群算法在大规模、复杂环境下的搜索能力和效率，从而提高了自主水下航行器路径规划的准确性和稳定性。
Description
技术领域
本发明实施例涉及人工智能领域，具体涉及一种自主水下航行器的路径规划方法和装置，另外还涉及一种电子设备和计算机可读存储介质。
背景技术
近年来，随着人工智能技术的快速发展，自主水下航行器(AUV)在海洋科研、环境探测以及资源勘探等领域发挥着越来越重要的作用。其可有效代替人类完成复杂环境下的海洋探测，因而具有非常广阔应用前景。然而，伴随着经济社会的发展，自主水下航行器在海洋开发领域的应用越来越广泛，人们对自主水下航行器的智能化程度要求也越来越高，期望自主水下航行器在运动中能够感知周围环境，并且根据周围环境状况适时调整自身运动状态。这就需要自主水下航行器具备优秀的路径规划能力，从而能够规划出规避障碍物或死胡同等危险区域的运动路径。尤其是在民用商业领域，优秀的路径规划能力能降低铺设管道、数据采集、水下设备维护等的成本；在紧急搜救方面，利用自主水下航行器代替人工，不仅降低危险性更能提高搜救效率，争取黄金搜救时间。因此，如何实现解决复杂环境下自主水下航行器的路径规划问题成为本领域关注的重点。
为了实现复杂环境下自主水下航行器的路径规划，现有技术中通常采用的算法包括基于协同进化的算法、基于分布式群体的算法以及蚁群算法等。其中，蚁群算法是一种受到蚁群觅食行为的启发而来的启发式搜索算法，蚂蚁会在寻找食物的途中留下一种称为信息素的化学物质，信息素的浓度会随着经过此条路径的蚂蚁数量的增加而增强。信息素浓度越大，该条路径被选择的概率越大。基于蚁群算法的路径规划，蚂蚁会根据路径的长短释放信息素，路径较短时释放较多的信息素，路径不好时，释放的信息素会减少。蚁群算法可以根据环境的变化动态的调整路径，最终找出最优的路径。由于蚁群算法不受编码规则限制，具有较强的鲁棒性，易于与其他方法相结合，目前主要基于蚁群算法来实现自主水下航行器领域的路径规划。但是，传统蚁群算法在进行路径规划时存在搜索停滞、局部收敛、收敛速度慢，路径生成速度慢等问题。导致基于传统蚁群算法实现的路径规划能力存在一定的缺陷，搜索能力较弱，已无法满足用户的实际使用需求。
因此，如何通过改进蚁群优化算法实现大规模、复杂环境下自主水下航行器的路径规划成为本领域亟待解决的技术问题。
发明内容
为此，本发明实施例提供一种自主水下航行器的路径规划方法，以解决现有技术中存在的自主水下航行器的路径规划方法效率较低，稳定性和准确性无法得到保障的问题。
为了实现上述目的，本发明实施例提供如下技术方案：
第一方面，本发明实施例提供一种自主水下航行器的路径规划方法，包括：在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记；按照预设的第二释放规则在所述路径上释放引导信息素；每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素；当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；根据所述目标路径点，获得目标规划路径；判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
进一步的，所述的自主水下航行器的路径规划方法，还包括：确定衰减因子；在所述第一释放规则中引入所述衰减因子，获得第三释放规则；根据距离所述目标无效搜索区域的远近，按照所述第三释放规则在路径上释放差异量的所述警报信息素对所述目标无效搜索区域进行差异化标记。
进一步的，所述的自主水下航行器的路径规划方法，还包括：分别确定平滑度启发因子、安全性启发因子以及目的性启发因子；根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息；根据所述启发式信息引导所述蚂蚁算法收敛；所述根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点，具体包括：根据所述目标引导信息素量值、所述目标警报信息素的量值、所述启发式信息以及预设的蚂蚁状态转移规则，确定不同路径点对应的概率值；根据所述概率值的大小，选取所述目标路径点。
进一步的，所述的自主水下航行器的路径规划方法，还包括：针对所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子分别设置位于预定范围阈值内的动态权重参数；在所述预定范围阈值内确定所述动态权重参数的目标取值；所述根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息，具体包括：根据所述平滑度启发因子、所述安全性启发因子、所述目的性启发因子以及所述目标取值，获得所述启发式信息。
进一步的，所述按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，具体包括：根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识；根据所述蚂蚁的状态标识对所述警报信息素进行调整。
进一步的，所述根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识，具体包括：若所述蚂蚁已经找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第一状态标识，若所述蚂蚁未找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第二状态标识；相应的，所述根据所述蚂蚁的状态标识对所述警报信息素进行调整，具体包括：当检测所述状态标识为所述第二状态标识时，则在所述路径上增加所述警报信息素；当检测所述状态标识为所述第一状态标识时，则在所述路径上减少所述警报信息素。
进一步的，所述警报信息素用于为所述蚂蚁提供路径危险指示信息。
第二方面，本发明实施例还提供一种自主水下航行器的路径规划装置，包括：搜索及标记单元，用于在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记；引导信息素释放单元，用于按照预设的第二释放规则在所述路径上释放引导信息素；信息素更新单元，用于每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素；路径点选取单元，用于当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；路径规划单元，用于根据所述目标路径点，获得目标规划路径；路径输出单元，用于判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
进一步的，所述的自主水下航行器的路径规划装置，还包括：衰减因子确定单元，用于确定衰减因子；释放规则获得单元，用于在所述第一释放规则中引入所述衰减因子，获得第三释放规则；释放信息素标记单元，用于根据距离所述目标无效搜索区域的远近，按照所述第三释放规则在路径上释放差异量的所述警报信息素对所述目标无效搜索区域进行差异化标记。
进一步的，所述的自主水下航行器的路径规划装置，还包括：启发式因子获得单元，用于分别确定平滑度启发因子、安全性启发因子以及目的性启发因子；启发式信息获得单元，用于根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息；算法收敛单元，用于根据所述启发式信息引导所述蚂蚁算法收敛；所述路径点选取单元具体用于：根据所述目标引导信息素量值、所述目标警报信息素的量值、所述启发式信息以及预设的蚂蚁状态转移规则，确定不同路径点对应的概率值；根据所述概率值的大小，选取所述目标路径点。
进一步的，所述的自主水下航行器的路径规划装置，还包括：动态权重参数设置单元，用于针对所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子分别设置位于预定范围阈值内的动态权重参数；动态权重参数取值确定单元，用于在所述预定范围阈值内确定所述动态权重参数的目标取值；所述启发式信息获得单元具体用于：根据所述平滑度启发因子、所述安全性启发因子、所述目的性启发因子以及所述目标取值，获得所述启发式信息。
进一步的，所述信息素更新单元具体用于：根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识；根据所述蚂蚁的状态标识对所述警报信息素进行调整。
进一步的，所述根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识，具体包括：若所述蚂蚁已经找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第一状态标识，若所述蚂蚁未找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第二状态标识；相应的，所述根据所述蚂蚁的状态标识对所述警报信息素进行调整，具体包括：当检测所述状态标识为所述第二状态标识时，则在所述路径上增加所述警报信息素；当检测所述状态标识为所述第一状态标识时，则在所述路径上减少所述警报信息素。
进一步的，所述警报信息素用于为所述蚂蚁提供路径危险指示信息。
第三方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；其中，所述存储器，用于存储自主水下航行器的路径规划方法的程序，该电子设备通电并通过所述处理器运行该自主水下航行器的路径规划方法的程序后，执行上述所述的任意一项所述的自主水下航行器的路径规划方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行上述自主水下航行器的路径规划方法中任一项所述的方法。
采用本发明所述的自主水下航行器的路径规划方法，能够极大提升了蚁群算法在大规模、复杂环境下的搜索能力和效率，从而提高了自主水下航行器路径规划的准确性和稳定性，提升了用户的使用体验。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
图1为本发明实施例提供的一种自主水下航行器的路径规划方法的流程图；
图2为本发明实施例提供的一种自主水下航行器的路径规划装置的示意图；
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面基于本发明所述的自主水下航行器的路径规划方法，对其实施例进行详细描述。如图1所示，其为本发明实施例提供的一种自主水下航行器的路径规划方法的流程图，具体实现过程包括以下步骤：
步骤S101：在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记。
在本发明实施例中，利用蚂蚁算法对自主水下航行器(AUV)进行路径规划之前，需要预先建立全面真实的水下环境模型和路径轨迹模型。具体的，针对水下环境模型，需要采集真实水下测绘的地形环境中的海山和悬浮物的参数，使模型能够更加真实全面的模拟水下环境。针对路径轨迹模型可综合考虑多个的约束条件和目标；首先，由于自主水下航行器舵机的运动幅度限制，路径轨迹模型可预先明确航行器转向窗口、搜索边界等多个约束条件；其次，除了考虑路径长度和能耗，该路径轨迹模型还可将潜在风险视为待评估的目标。
建立全面真实的水下环境模型和路径轨迹模型之后，在本发明实施例中，可进一步的结合生物学中的警报信息素机制引入改进蚁群算法。
在具体实施过程中，可基于建立的所述水下环境模型和所述路径轨迹模型，引入警报信息素机制的改进蚁群算法对自主水下航行器(AUV)进行路径规划。在路径规划过程中，初始化之后可将蚁群算法的蚂蚁参数设为N只蚂蚁，并将自主水下航行器的起点和终点设为上述N只蚂蚁的起点和终点。蚂蚁为蚁群算法里面的参数，其执行的是寻路任务，到达指定迭代次数后会给出一条最优规划路径，自主水下航行器按照寻找到的最优规划路径移动。具体的，可首先确定障碍物、死胡同以及沟壑等目标无效搜索区域；根据蚂蚁距离所述目标无效搜索区域的远近，按照预设的第一释放规则利用蚂蚁在路径上释放警报信息素对所述目标无效搜索区域进行标记。其中，所述警报信息素用于为所述蚂蚁提供路径危险指示信息。
进一步的，为了提升警报信息素对目标无效搜索区域的标记精确度，在本发明实施例中，设计的警报信息素释放规则(即第一释放规则)还可引入衰减因子，使得警报信息素能按照与障碍物或死胡同等目标无效搜索区域的距离远近而进行不等量的释放，最终使得蚁群算法能更精确、更稳定地识别目标无效搜索区域。具体的，可首先确定需要的衰减因子，在所述第一释放规则中引入所述衰减因子，获得第三释放规则；进而根据距离所述目标无效搜索区域的远近，按照所述第三释放规则在路径上释放差异量的所述警报信息素对所述目标无效搜索区域进行差异化标记。
在本发明实施例中，警报信息素是一种辅助激素。当蚂蚁由于构建路径失败“死亡”时，构建路径失败的“死亡”蚂蚁会在经过的路径上留下警报信息素的量值来指示后续同伴蚂蚁注意不要重蹈覆辙；相反，构建路径成功的“存活”蚂蚁则会在其经过的路径上减少警报信息素的量值，以此来避免因为警报信息素的错误标记而导致蚁群算法搜索精度降低的情况。为了提升警报信息素对目标无效搜索区域的标记精确度，可进一步的引入衰减因子来改进警报信息素的释放规则，从而提高蚂蚁对目标无效搜索区域的标记精度。
具体的更新规则如下：若蚂蚁Anta存活，则蚁群算法将该蚂蚁所经过的路径点Pt的警报信息素矩阵的量值设为初始值，如下式所示：
δ(Pt)＝δ0。
若蚂蚁Anta死亡，且该蚂蚁成功构建路径的最后位置位于平面Xe(即蚂蚁因为不满足约束而无法进入平面Xe+1)，则算法对于该蚂蚁所经过的所有路径点Pt，将警报信息素矩阵的量值更新为：
其中，θ表示衰减因子。使用该更新策略的优势在于，警报信息素会按照与导致蚂蚁死亡的障碍物或死胡同等危险区域(即目标无效搜索区域)的距离远近，而释放不等量的信息素，使得信息素以高浓度聚集于障碍物附近，而以低浓度分布在危险区域的前驱路径上，使得蚁群算法能更精确地识别危险区域。
步骤S102：按照预设的第二释放规则在所述路径上释放引导信息素。
在蚂蚁进行寻路过程中，按照预设的第二释放规则利用所述蚂蚁在所述路径上释放引导信息素，从而为随后的蚂蚁提供路径指示信息。
步骤S103：每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素。
在步骤S101和步骤S102中在路径上释放警报信息素和引导信息素之后，在本步骤中按照预设的信息素更新规则对所述路径上释放的所述警报信息素和所述引导信息素进行更新，获得目标警报信息素和目标引导信息素。
在任意一代的所有蚂蚁完成路径规划后，可按照预设的信息素更新规则对所有经过路径下留下信息素进行更新；不仅更新全局引导信息素，还在全局更新过程中更新警报信息素，从而为随后的蚂蚁提供更加精确的路径指示信息。
引导信息素全局更新规则如下：
其中，σ表示全局引导信息素释放速率；pathbsf表示所有迭代至今的最佳规划路径；Pi表示规划路径过程中选取的路径点。
警报信息素全局更新规则如下：
警报信息素在每一代蚂蚁结束路径规划时更新。具体的，所述的按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，具体包括：所述根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识；若所述蚂蚁已经找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第一状态标识，若所述蚂蚁未找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第二状态标识；进一步的，根据所述蚂蚁的状态标识对所述警报信息素进行调整；当检测所述状态标识为所述第二状态标识时，则在所述路径上增加所述警报信息素；当检测所述状态标识为所述第一状态标识时，则在所述路径上减少所述警报信息素。
举例而言，基于蚂蚁是否已经成功找到了满足解决问题的预设条件的可行路径，可将蚂蚁的状态分别被命名为“存活”(即第一状态标识)或“死亡”(即第二状态标识)。“死亡”(即第二状态标识)的蚂蚁将在其搜索到的路径上增加警报信息素的量值，而“存活”(即第一状态标识)的蚂蚁将减少对应路径上的警报信息素的量值，直到量值为0。通过这种方式，可将不可行路径用警报信息素进行有效地标记，从而提醒后续寻路的同伴蚂蚁绕开该路径搜索。需要注意的是，所有蚂蚁经过的所有路径上的警报信息素值在每一代中都可被更新。
若pathm代表蚂蚁m找到的路径或者路径点，
的每个路径点Pt的警报信息素按照如下公式进行更新：
其中，δ(Pt)表示目标警报信息素的量值。
根据本步骤获得的所述目标警报信息素和所述目标引导信息素，后续每只蚂蚁在选择下一个路径点时，应选择具有目标引导信息素τ(Pj)更多，且目标警报信息素δ(Pt)更少的路径点。需要说明的是，在上述状态转移规则中，目标警报信息素在使用前需要进行取倒数预处理，因此，可定义公式为：
其中，
表示路径点Pt的目标警报信息素转换量度。
步骤S104：当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；根据所述目标路径点，获得目标规划路径。
在步骤S103中对所述路径上释放的所述警报信息素和所述引导信息素进行更新，获得目标警报信息素和目标引导信息素之后，在本步骤中可据所述目标引导信息素和所述目标警报信息素的量值选取目标路径点形成目标规划路径。
步骤S105：判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
在步骤S104中形成目标规划路径之后，在本步骤中可判断是否完成预设的迭代次数，若是，则输出所述目标规划路径，若否，则继续循环步骤S103-步骤S105，直至满足预设的迭代次数，从而输出最优目标规划路径。
在本发明实施例中，为了更好的引导蚁群算法有效收敛，还可引入三大启发式因子自适应地引导蚁群算法收敛。即利用搜索平滑度、安全性、目的性这三大启发式因子引导算法有效收敛。在实施过程中，可分别确定平滑度启发因子、安全性启发因子以及目的性启发因子；根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息；根据所述启发式信息引导所述蚂蚁算法收敛；根据所述目标引导信息素量值、所述目标警报信息素的量值、所述启发式信息以及预设的蚂蚁状态转移规则，确定不同路径点对应的概率值；根据所述概率值的大小，选取所述目标路径点。
具体确定平滑度启发因子、安全性启发因子以及目的性启发因子的实现过程如下：
a、在实际实施过程中，为了避免自主水下航行器(AUV)频繁的转向变化，以减少能量消耗，因此其航行路径需要尽可能平滑。具体的，可基于预设的第一算法公式计算自主水下航行器需要改变方向的平均距离的倒数，来衡量选择路径点Pj后的移动成本。同时，分母加1以避免分母为0。平滑度启发因子值越高，路径越平滑。所述预设的第一算法公式如下：
b、在实际实施过程中，为了使得蚂蚁在所有可行路径点中选择更安全的路径点，可设置安全性启发因子。安全性启发因子旨在指导蚂蚁在所有可行路径点中选择更安全的路径点。具体的，可基于预设的第二算法公式根据可视空间的定义在选择下一路径点Pj时衡量安全度。Dsum(Pj)计算了路径点Pj的可视空间
中，障碍物数量的总和，用以衡量选择路径点Pj后的潜在危险。因此，算法需要使用相对值而非绝对值，进行规范化。此外，在默认情况下，分母需要加1。安全性启发因子值越高，路径点越安全。所述第二算法公式如下
c、在实际实施过程中，若蚂蚁选择的路径点点离目标点太远，蚂蚁可能最终无法到达目标点。因此，为了使得蚂蚁能够准确到达目标点，可设置目的性启发因子。目的性启发因子旨在使蚂蚁以目标点为导向而放弃探索无效的偏远区域。通过预设的第三算法公式衡量从当前可选路径点到目标点的距离。此外，该度量应以与第二算法公式相同的方式进行归一化。目的性启发因子值越高，对目标点的路径搜索针对性越高。所述的第三算法公式如下：
收敛由蚂蚁状态转移规则决定，具体实现如下：
平面Xi的路径点Pi处的蚂蚁将根据预设的第四算法公式定义的伪随机比例规则从其SW中选择平面Xi+1的下一个路径点Pj。所述的第四算法公式如下：
其中，τ(Pj)表示路径点Pj的局部引导信息素的量值，
表示路径点Pj警报信息素的转换量度，η(Pi,Pj)计算了蚂蚁从当前所在的路径点Pi移动至下一路径点Pj时的启发式信息的值，λ和β为两个算法的控制参数，q0∈[0,1]表示算法的伪随机选择概率。由第四算法公式可知，算法在选择下一路径点时首先生成一个0至1的随机数q，若q≤q0则蚂蚁贪心地选择具有最大引导信息素和启发式信息的局部最佳点作为下一路径点。否则将执行轮盘赌选，轮盘赌选时对于所有可选路径点Pj被选择的概率定义为：
需要说明的是，启发式信息由平滑度、安全性和目的性三种启发式因子乘积计算得到。启发式信息η(Pi,Pj)对应的预设的第五算法公式如下：
在实际实施过程中，由于权重因子的值能决定蚂蚁探索路径的“性格”倾向，从而影响算法的搜索方向。因此，若对启发式信息η(Pi,Pj)的权重参数ω2,ω3,ω4设置固定值很容易影响蚂蚁构建路径的多样性。例如，当ω2较高时，平滑性启发因子占主导地位，蚂蚁更喜欢不转向径直构建路径，而在后期由于转向窗口约束“不得不”转向时才会向目标点靠近；当参数ω3较高时，安全性启发因子会使蚂蚁短视地直接选择完全没有障碍物的路径点；而当参数ω4较高时，由于目的性指标计算了当前可选路径点与目标点连线的相对距离，蚂蚁则更喜欢提前向目标点的方向转向靠近，这与当ω2较高时的情况恰恰相反。
为了解决以上问题，还可针对所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子分别设置位于预定范围阈值内的动态权重参数；在所述预定范围阈值内确定所述动态权重参数的目标取值；根据所述平滑度启发因子、所述安全性启发因子、所述目的性启发因子以及所述目标取值，获得所述启发式信息。
具体的，可不设置三个权重参数的固定值，而设置为在一定范围内的随机数，则可以大大提升蚂蚁搜索路径的多样性。因此，规定蚂蚁在构建路径时，先按预设的第六算法公式随机初始化一组权重参数[ω2,ω3,ω4]，之后保持这组权重参数不变，使用上述第五算法公式计算启发式信息的值直至完成路径构建，获得需要的目标规划路径。这样不同蚂蚁便具有了不同的搜索“个性”，大大提升了种群的多样性。所述第六算法公式如下：
采用本发明所述的自主水下航行器的路径规划方法，能够极大提升了蚁群算法在大规模、复杂环境下的搜索能力和效率，从而提高了自主水下航行器路径规划的准确性和稳定性，提升了用户的使用体验。
与上述提供的一种自主水下航行器的路径规划方法相对应，本发明还提供一种自主水下航行器的路径规划装置。由于该装置的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的自主水下航行器的路径规划装置的实施例仅是示意性的。请参考图2所示，其为本发明实施例提供的一种自主水下航行器的路径规划装置的示意图。
本发明所述的一种自主水下航行器的路径规划装置包括如下部分：
搜索及标记单元201，用于在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记。
在本发明实施例中，利用蚂蚁算法对自主水下航行器(AUV)进行路径规划之前，需要预先建立全面真实的水下环境模型和路径轨迹模型。具体的，针对水下环境模型，需要采集真实水下测绘的地形环境中的海山和悬浮物的参数，使模型能够更加真实全面的模拟水下环境。针对路径轨迹模型可综合考虑多个的约束条件和目标；首先，由于自主水下航行器舵机的运动幅度限制，路径轨迹模型可预先明确航行器转向窗口、搜索边界等多个约束条件；其次，除了考虑路径长度和能耗，该路径轨迹模型还可将潜在风险视为待评估的目标。
建立全面真实的水下环境模型和路径轨迹模型之后，在本发明实施例中，可进一步的结合生物学中的警报信息素机制引入改进蚁群算法。
在具体实施过程中，可基于建立的所述水下环境模型和所述路径轨迹模型，引入警报信息素机制的改进蚁群算法对自主水下航行器(AUV)进行路径规划。在路径规划过程中，初始化之后可将蚁群算法的蚂蚁参数设为N只蚂蚁，并将自主水下航行器的起点和终点设为上述N只蚂蚁的起点和终点。蚂蚁为蚁群算法里面的参数，其执行的是寻路任务，到达指定迭代次数后会给出一条最优规划路径，自主水下航行器按照寻找到的最优规划路径移动。具体的，可首先确定障碍物、死胡同以及沟壑等目标无效搜索区域；根据蚂蚁距离所述目标无效搜索区域的远近，按照预设的第一释放规则利用蚂蚁在路径上释放警报信息素对所述目标无效搜索区域进行标记。其中，所述警报信息素用于为所述蚂蚁提供路径危险指示信息。
进一步的，为了提升警报信息素对目标无效搜索区域的标记精确度，在本发明实施例中，设计的警报信息素释放规则(即第一释放规则)还可引入衰减因子，使得警报信息素能按照与障碍物或死胡同等目标无效搜索区域的距离远近而进行不等量的释放，最终使得蚁群算法能更精确、更稳定地识别目标无效搜索区域。具体的，可首先确定需要的衰减因子，在所述第一释放规则中引入所述衰减因子，获得第三释放规则；进而根据距离所述目标无效搜索区域的远近，按照所述第三释放规则在路径上释放差异量的所述警报信息素对所述目标无效搜索区域进行差异化标记。
在本发明实施例中，警报信息素是一种辅助激素。当蚂蚁由于构建路径失败“死亡”时，构建路径失败的“死亡”蚂蚁会在经过的路径上留下警报信息素的量值来指示后续同伴蚂蚁注意不要重蹈覆辙；相反，构建路径成功的“存活”蚂蚁则会在其经过的路径上减少警报信息素的量值，以此来避免因为警报信息素的错误标记而导致蚁群算法搜索精度降低的情况。为了提升警报信息素对目标无效搜索区域的标记精确度，可进一步的引入衰减因子来改进警报信息素的释放规则，从而提高蚂蚁对目标无效搜索区域的标记精度。
引导信息素释放单元202，用于按照预设的第二释放规则在所述路径上释放引导信息素。
在蚂蚁进行寻路过程中，按照预设的第二释放规则利用所述蚂蚁在所述路径上释放引导信息素，从而为随后的蚂蚁提供路径指示信息。
信息素更新单元203，用于每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素。
在搜索及标记单元201和引导信息素释放单元202中在路径上释放警报信息素和引导信息素之后，在信息素更新单元203中按照预设的信息素更新规则对所述路径上释放的所述警报信息素和所述引导信息素进行更新，获得目标警报信息素和目标引导信息素。
在任意一代的所有蚂蚁完成路径规划后，可按照预设的信息素更新规则对所有经过路径下留下信息素进行更新；不仅更新全局引导信息素，还在全局更新过程中更新警报信息素，从而为随后的蚂蚁提供更加精确的路径指示信息。
路径点选取单元204，用于当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点。
路径规划单元205，用于根据所述目标路径点，获得目标规划路径。
路径输出单元206，用于判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
在路径点选取单元204和路径规划单元205中形成目标规划路径之后，在路径输出单元206中可判断是否完成预设的迭代次数，若是，则输出所述目标规划路径，若否，则继续循环信息素更新单元203-路径输出单元206，直至满足预设的迭代次数，从而输出最优目标规划路径。
在实际实施过程中，由于权重因子的值能决定蚂蚁探索路径的“性格”倾向，从而影响算法的搜索方向。因此，若对启发式信息η(Pi,Pj)的权重参数ω2,ω3,ω4设置固定值很容易影响蚂蚁构建路径的多样性。例如，当ω2较高时，平滑性启发因子占主导地位，蚂蚁更喜欢不转向径直构建路径，而在后期由于转向窗口约束“不得不”转向时才会向目标点靠近；当参数ω3较高时，安全性启发因子会使蚂蚁短视地直接选择完全没有障碍物的路径点；而当参数ω4较高时，由于目的性指标计算了当前可选路径点与目标点连线的相对距离，蚂蚁则更喜欢提前向目标点的方向转向靠近，这与当ω2较高时的情况恰恰相反。
为了解决以上问题，还可针对所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子分别设置位于预定范围阈值内的动态权重参数；在所述预定范围阈值内确定所述动态权重参数的目标取值；根据所述平滑度启发因子、所述安全性启发因子、所述目的性启发因子以及所述目标取值，获得所述启发式信息。
在本发明实施例中，为了更好的引导蚁群算法有效收敛，还可引入三大启发式因子自适应地引导蚁群算法收敛。即利用搜索平滑度、安全性、目的性这三大启发式因子引导算法有效收敛。在实施过程中，可分别确定平滑度启发因子、安全性启发因子以及目的性启发因子；根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息；根据所述启发式信息引导所述蚂蚁算法收敛；根据所述目标引导信息素量值、所述目标警报信息素的量值、所述启发式信息以及预设的蚂蚁状态转移规则，确定不同路径点对应的概率值；根据所述概率值的大小，选取所述目标路径点。
采用本发明所述的自主水下航行器的路径规划装置，能够极大提升了蚁群算法在大规模、复杂环境下的搜索能力和效率，从而提高了自主水下航行器路径规划的准确性和稳定性，提升了用户的使用体验。
与上述提供的自主水下航行器的路径规划方法相对应，本发明还提供一种电子设备。由于该电子设备的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的电子设备仅是示意性的。如图3所示，其为本发明实施例提供的一种电子设备的示意图。
该电子设备具体包括：处理器301和存储器302；其中，存储器302用于运行一个或多个程序指令，用于存储自主水下航行器的路径规划方法的程序，该服务器通电并通过所述处理器301运行该自主水下航行器的路径规划方法的程序后，执行上述任意一项所述的自主水下航行器的路径规划方法。本发明所述的电子设备可以是指自主水下航行器的数据处理和控制装置，也可以是指与所述自主水下航行器对应的服务器。
与上述提供的一种自主水下航行器的路径规划方法相对应，本发明还提供一种计算机存储介质。由于该计算机存储介质的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的计算机存储介质仅是示意性的。所述服务器是指与所述自主水下航行器对应的服务器。
所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行上述所述的自主水下航行器的路径规划方法。所述的服务器可以是指企业浏览器对应的后台服务器，可实现根据用户需求的个性化配置。
在本发明实施例中，处理器或处理器模块可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，简称SLDRAM)和直接内存总线随机存取存储器(Direct Ram bus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种自主水下航行器的路径规划方法，其特征在于，包括：
在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记；
按照预设的第二释放规则在所述路径上释放引导信息素；
每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素；
当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；根据所述目标路径点，获得目标规划路径；
判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
2.根据权利要求1所述的自主水下航行器的路径规划方法，其特征在于，还包括：
确定衰减因子；
在所述第一释放规则中引入所述衰减因子，获得第三释放规则；
根据距离所述目标无效搜索区域的远近，按照所述第三释放规则在路径上释放差异量的所述警报信息素对所述目标无效搜索区域进行差异化标记。
3.根据权利要求1所述的自主水下航行器的路径规划方法，其特征在于，还包括：
分别确定平滑度启发因子、安全性启发因子以及目的性启发因子；
根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息；根据所述启发式信息引导所述蚂蚁算法收敛；
所述根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点，具体包括：
根据所述目标引导信息素量值、所述目标警报信息素的量值、所述启发式信息以及预设的蚂蚁状态转移规则，确定不同路径点对应的概率值；根据所述概率值的大小，选取所述目标路径点。
4.根据权利要求3所述的自主水下航行器的路径规划方法，其特征在于，还包括：
针对所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子分别设置位于预定范围阈值内的动态权重参数；
在所述预定范围阈值内确定所述动态权重参数的目标取值；
所述根据所述平滑度启发因子、所述安全性启发因子以及所述目的性启发因子，获得启发式信息，具体包括：
根据所述平滑度启发因子、所述安全性启发因子、所述目的性启发因子以及所述目标取值，获得所述启发式信息。
5.根据权利要求1所述的自主水下航行器的路径规划方法，其特征在于，所述按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，具体包括：
根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识；根据所述蚂蚁的状态标识对所述警报信息素进行调整。
6.根据权利要求5所述的自主水下航行器的路径规划方法，其特征在于，所述根据所述蚂蚁是否已经找到满足预设条件的可行路径，对所述蚂蚁的状态进行标识，具体包括：
若所述蚂蚁已经找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第一状态标识，若所述蚂蚁未找到满足预设条件的可行路径，则将所述蚂蚁的状态标识为第二状态标识；
相应的，所述根据所述蚂蚁的状态标识对所述警报信息素进行调整，具体包括：
当检测所述状态标识为第二状态标识时，则在所述路径上增加所述警报信息素；当检测所述状态标识为第一状态标识时，则在所述路径上减少所述警报信息素。
7.根据权利要求1所述的自主水下航行器的路径规划方法，其特征在于，所述警报信息素用于为所述蚂蚁提供路径危险指示信息。
8.一种自主水下航行器的路径规划装置，其特征在于，包括：
搜索及标记单元，用于在利用蚂蚁算法进行路径规划过程中，确定目标无效搜索区域；根据距离所述目标无效搜索区域的远近，按照预设的第一释放规则在路径上释放警报信息素对所述目标无效搜索区域进行标记；
引导信息素释放单元，用于按照预设的第二释放规则在所述路径上释放引导信息素；
信息素更新单元，用于每一代蚂蚁完成路径规划之后，按照预设的第一信息素更新规则对所述路径上释放的所述警报信息素进行更新，获得目标警报信息素；按照预设的第二信息素更新规则对所述路径上释放的所述引导信息素进行更新，获得目标引导信息素；
路径点选取单元，用于当新一代蚂蚁选择路径点时，根据所述目标引导信息素和所述目标警报信息素的量值，选取目标路径点；
路径规划单元，用于根据所述目标路径点，获得目标规划路径；
路径输出单元，用于判断是否完成预设的迭代次数，若是，则输出所述目标规划路径。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储自主水下航行器的路径规划方法的程序，该电子设备通电并通过所述处理器运行该自主水下航行器的路径规划方法的程序后，执行上述权利要求1-7任意一项所述的自主水下航行器的路径规划方法。
10.一种计算机可读存储介质，其特征在于，该计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行如权利要求1-7任一项所述的自主水下航行器的路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911025829.6A CN110941263A (zh) | 2019-10-25 | 2019-10-25 | 一种自主水下航行器路径规划方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911025829.6A CN110941263A (zh) | 2019-10-25 | 2019-10-25 | 一种自主水下航行器路径规划方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110941263A true CN110941263A (zh) | 2020-03-31 |
Family
ID=69906223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911025829.6A Pending CN110941263A (zh) | 2019-10-25 | 2019-10-25 | 一种自主水下航行器路径规划方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110941263A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器系统目标搜索方法 |
| CN114862065A (zh) * | 2022-07-05 | 2022-08-05 | 杭州数询云知科技有限公司 | 社工任务规划方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106200650A (zh) * | 2016-09-22 | 2016-12-07 | 江苏理工学院 | 基于改进蚁群算法的移动机器人路径规划方法及系统 |
| CN106600049A (zh) * | 2016-12-09 | 2017-04-26 | 国网北京市电力公司 | 路径生成的方法及装置 |
| CN107037809A (zh) * | 2016-11-02 | 2017-08-11 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇避碰方法 |
| CN107368077A (zh) * | 2017-08-15 | 2017-11-21 | 西京学院 | 一种基于遗传‑蚁群算法的机器人路径规划方法 |
| CN107798423A (zh) * | 2017-10-11 | 2018-03-13 | 南京邮电大学 | 基于多种智能算法的车辆路径规划仿真实验平台 |
| CN109164815A (zh) * | 2018-09-06 | 2019-01-08 | 中国计量大学 | 一种基于改进蚁群算法的自主水下航行器路径规划方法 |
| WO2019067446A1 (en) * | 2017-09-27 | 2019-04-04 | Duke University | SYSTEMS AND METHODS FOR BLOCKING NEURONAL CONDUCTION USING OPTIMIZED WAVEFORMS |
| CN109960576A (zh) * | 2019-03-29 | 2019-07-02 | 北京工业大学 | 一种面向cpu-gpu异构的低能耗任务调度策略 |
-
2019
- 2019-10-25 CN CN201911025829.6A patent/CN110941263A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106200650A (zh) * | 2016-09-22 | 2016-12-07 | 江苏理工学院 | 基于改进蚁群算法的移动机器人路径规划方法及系统 |
| CN107037809A (zh) * | 2016-11-02 | 2017-08-11 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇避碰方法 |
| CN106600049A (zh) * | 2016-12-09 | 2017-04-26 | 国网北京市电力公司 | 路径生成的方法及装置 |
| CN107368077A (zh) * | 2017-08-15 | 2017-11-21 | 西京学院 | 一种基于遗传‑蚁群算法的机器人路径规划方法 |
| WO2019067446A1 (en) * | 2017-09-27 | 2019-04-04 | Duke University | SYSTEMS AND METHODS FOR BLOCKING NEURONAL CONDUCTION USING OPTIMIZED WAVEFORMS |
| CN107798423A (zh) * | 2017-10-11 | 2018-03-13 | 南京邮电大学 | 基于多种智能算法的车辆路径规划仿真实验平台 |
| CN109164815A (zh) * | 2018-09-06 | 2019-01-08 | 中国计量大学 | 一种基于改进蚁群算法的自主水下航行器路径规划方法 |
| CN109960576A (zh) * | 2019-03-29 | 2019-07-02 | 北京工业大学 | 一种面向cpu-gpu异构的低能耗任务调度策略 |
Non-Patent Citations (1)
| Title |
|---|
| YI-NING MA等: "Path Planning for Autonomous Underwater Vehicles: An Ant Colony Algorithm Incorporating Alarm Pheromone", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器系统目标搜索方法 |
| CN113238232B (zh) * | 2021-05-06 | 2022-03-25 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器系统目标搜索方法 |
| CN114862065A (zh) * | 2022-07-05 | 2022-08-05 | 杭州数询云知科技有限公司 | 社工任务规划方法、装置、电子设备及存储介质 |
| CN114862065B (zh) * | 2022-07-05 | 2022-09-23 | 杭州数询云知科技有限公司 | 社工任务规划方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Meyer et al. | COLREG-compliant collision avoidance for unmanned surface vehicle using deep reinforcement learning | |
| US7447593B2 (en) | System and method for adaptive path planning | |
| CN108820157B (zh) | 一种基于强化学习的船舶智能避碰方法 | |
| CN101871782B (zh) | 基于set2fnn的gps/mems-ins组合导航系统定位误差预测方法 | |
| CN107037809A (zh) | 一种基于改进蚁群算法的无人艇避碰方法 | |
| CN109933067A (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
| CN110095120A (zh) | 自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法 | |
| CN107356254A (zh) | 适用于地磁辅助导航航迹规划的粒子群优化方法 | |
| Zheng et al. | A Decision‐Making Method for Ship Collision Avoidance Based on Improved Cultural Particle Swarm | |
| CN113268074B (zh) | 一种基于联合优化的无人机航迹规划方法 | |
| CN113238232B (zh) | 面向海洋静态目标的自主水下航行器系统目标搜索方法 | |
| CN110941263A (zh) | 一种自主水下航行器路径规划方法和装置 | |
| Chen et al. | Research on Ship Meteorological Route Based on A‐Star Algorithm | |
| Luo et al. | Incremental route inference from low-sampling GPS data: An opportunistic approach to online map matching | |
| CN112180950A (zh) | 一种基于强化学习的智能船舶自主避碰及路径规划方法 | |
| Xie et al. | Application of improved Cuckoo search algorithm to path planning unmanned aerial vehicle | |
| US11941553B1 (en) | Methods, electronic devices and storage media for ship route optimization | |
| Ling et al. | Active Bathymetric SLAM for autonomous underwater exploration | |
| CN116703984A (zh) | 机器人路径规划及红外光图像融合方法、系统及存储介质 | |
| Song et al. | Identifying critical test scenarios for lane keeping assistance system using analytic hierarchy process and hierarchical clustering | |
| Riviere et al. | Neural tree expansion for multi-robot planning in non-cooperative environments | |
| Yoo et al. | Experimental analysis of receding horizon planning algorithms for marine monitoring | |
| Zhang et al. | Dual-Layer path planning with pose SLAM for autonomous exploration in GPS-denied environments | |
| CN110749325A (zh) | 航迹规划方法和装置 | |
| Kim et al. | Path integration mechanism with coarse coding of neurons |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |
|
| RJ01 | Rejection of invention patent application after publication |