专利名称：一种面向不确定任务时间的自主水下航行器航路规划方法
技术领域：
本发明属于AUV任务分配与航路规划领域，涉及ー种面向不确定任务时间的自主水下航行器航路规划方法。
背景技术：
AUV在通常需要在较大范围内执行观测等任务，这些任务点所需的任务时间往往只能通过事先估计得知。因此，在执行多点任务时，必须在规划航行器到达任务点先后序列 的同时，考虑各任务点所需时间的不确定性，以及受航行器的最大工作时间约束所导致的返航和充电时间，使整个任务过程所需的时间最少。近年来，在AUV的航路规划研究領域，已取得ー些研究成果，但对于具有不确定任务时间的AUV多航路点航路规划的研究，国内外研究并未发现。
发明内容
为了避免现有技术的不足之处，本发明提出一种面向不确定任务时间的自主水下航行器航路规划方法，针对航路规划问题的启发式遗传操作，以提高航路规划结果的性能。一种面向不确定任务时间的自主水下航行器航路规划方法，其特征在于步骤如下步骤I :对航路规划问题进行编码得到规模为N的种群，所述的编码方式为航路规划问题的每个可行解的编码由为多个子编码序列表示，每个子编码序列代表I个AUV的航路点顺序，子编码序列的数量代表航行完所有航路点所需的AUV数量；所述子编码序列的产生方法随机产生Nv个的[1，Nv]正整数，作为每个航行器所需航行的航路点数量；所述Nv为參与任务的AUV数量；步骤2评估种群适应度对每条航路序列的代价も重复计算Nksm次，毎次计算时各航路点的具体观测时间由其概率分布随机生成，然后用这Nksm次计算结果的期望值作为该航路的估计代价；对编队中所有AUV的航路进行估计后即可得到该个体的适应度估计值
/ = Σズ其中ズ=·, (i = 1，· · · Nv)，L为航路的长度，V为航行器的速度；步骤3从当前种群中选出N个优良个体当前种群中每个个体被选中的概率等于其适应度与种群个体适应度之和的比值，随机产生
之间的随机数，若该数大于比值则选中该个体，否则不选；步骤4对优良个体以概率P。进行交叉操作首先分别从N个优良个体中选出两条代价最小的航路，然后将两条航路进行交换并作为它们的第一条航路；如果个体中只有一条航路时则用该航路中随机选出的一个片段与另ー个个体中的最佳航路进行航路交換，具体交換方式为ー个新航路点D插入距它最近的航路点之前或之后，新航路点D将插入到原航路A-B-C-A中，距D最近的点为B，得到插入结果A-D-B-C-A 或 A-B-D-C-A ;若 Dis (A, D) +Dis (B, C)大于 Dis (A, B) +Dis (D, C)则选择后者，反之选择前者，其中DiS(C1; C2)代表C1和C2间的距离；步骤5 :对交叉后的优良个体以概率Pm进行变异操作，以如下任意ー种方式进行启发式变异操作I)启发式局部交換毎次交換的两条航路随机确定，将每个航路中的ー个随机选出的片段交換到另ー个航路中去，按照I匪方法将该片段中的每个点插入到另ー个航路中，同时保证在毎次启发式局部交换过程中相同两条航路之间不会发生两次交換操作；2)启发式最短航路合并在个体中寻找两个最短航路，并将其中一条以I匪方法
插入到另一条航路中，将二者合并；3)启发式最长航路拆分将个体中代价最大的航路从ー随机点拆分成两条航路，新拆分出的航路以I匪方法插入一条空航路中；步骤6 :循环步骤2 5Nt次，得到最优个体；步骤7 :对最优个体按照步骤I中的编码规则进行解码，得到每个AUV的规划航路。本发明提出的一种面向不确定任务时间的自主水下航行器航路规划方法，可用于对多个AUV的航路进行规划，实现多AUV系统的协同航路规划，能够保证规划结果的全局最优性，且具有使用方便，通用性强的特点；也可应用于对机器人、无人飞行器等的航路规划。
图I :本发明的编码方式的示意图；图2 :本发明启发式遗传操作中所使用的插入最近点(1_方法的示意图；图3 :本发明可行解评价算法的伪代码
具体实施例方式现结合实施例、附图对本发明作进ー步描述本发明实施例的实现步骤为I.对航路规划问题进行编码遗传编码方式如图I所示。每个可行解的编码可由为多个子编码序列表示，每个子编码序列代表I个AUV的航路点顺序，子编码序列的数量代表航行完所有航路点所需的AUV数量。2.生成初始种群对于规模为N的种群，每个个体都将随机产生。假设有Nv个AUV共同參与任务，首先，随机产生队个的[1，NV]正整数，作为每个航行器所需航行的航路点数量。然后，确定每个航路点的具体数值，并确保不发生航路点重复。3.种群适应度评估计算种群中每个个体适应度的过程就是计算某一 AUV的航路代价的过程。由于AUV的有限工作时间，往往需要AUV中途返航并充电。也就是说，每个AUV按照预先指派的航路点顺序执行任务，在每个任务点AUV需决定是否继续对下个目标执行任务还是返航并充电。当执行返航时，返航时间、充电时间dfml以及返回航路点的时间也被包含在航路代价中。由于每个航路点处的 所需任务时间不是事先确定的，仅能由先验概率分布给出。因此，本发明提出ー种航路模拟法(RSM)来估计一条航路的代价。其具体方法为对每条航路序列的代价重复计算Nksm次，毎次计算时各航路点的具体观测时间由其概率分布随机生成，然后用这Nksm次计算结果的期望值作为该航路的估计代价。对编队中所有AUV的航路进行估计后即可得到该个体的适应度估计值。个体适应度的评价算法见图3。 具体计算对每条航路序列的代价も重复计算Nksm次，毎次计算时各航路点的具体观测时间由其概率分布随机生成，然后用这Nksm次计算结果的期望值作为该航路的估计
代价；对编队中所有AUV的航路进行估计后即可得到该个体的适应度估计值f = YJi
/ニ1其中ズ=·, (i = 1，· · · Nv)，L为航路的长度，V为航行器的速度；4.从当前种群中选出优良个体按照比例选择法从当前种群中选出N个优良个体。当前种群中每个个体被选中的概率等于其适应度与种群个体适应度之和的比值，随机产生
之间的随机数，若该数大于比值则选中该个体，否则不选。5.对优良个体进行交叉操作在交叉步骤中，从优良个体中随机选出两个个体按照交叉概率P。执行交叉操作。首先分别从中选出两条代价最小的航路，然后将两条航路进行交换并作为它们的第一条航路。当个体中只有一条航路时则用该航路中随机选出的ー个片段与另ー个个体中的最佳航路进行航路交換。当航路交換完成之后，需要对个体中重复的航路点进行删除。这里的删除是指对个体中原航路上的点进行删除，而新插入的航路不变。启发式遗传操作体现在ー种插入最近点方法(INM)，其具体含义是ー个新航路点应该插入距它最近的航路点之前或之后，即在ー个新航路点在航路中的次序由距其最近的航路点决定。如图2所示,新航路点D将插入到原航路A-B-C-A中，距D最近的点为B。因此有如下两种插入结果=A-D-B-C-A和A-B-D-C-A，而最终哪种结果被接受则决定于这两种结果的航路代价。设Dis (C1, C2)代表C1和C2间的距离，若Dis (A，D) +Dis (B, C)大于Dis (Α，B) +Dis (D，C)则选择后者，反之选择前者。6.对交叉后的优良个体进行变异操作在变异步骤中，每个经过交叉之后的优良个体，都将按照变异概率Pm执行变异操作。本发明的变异步骤包含如下三种启发式变异操作I)启发式局部交換该操作包括若干交換操作，毎次交換的两条航路随机确定。将每个航路中的ー个随机选出的片段交換到另ー个航路中去，按照INM方法将该片段中的每个点插入到另ー个航路中，同时保证在毎次启发式局部交换过程中相同两条航路之间不会发生两次交換操作。2)启发式最短航路合并该操作在个体中寻找两个最短航路，并将其中一条以INM方法插入到另一条航路中，将二者合并。3)启发式最长航路拆分该操作将个体中代价最大的航路从ー随机点拆分成两条航路，新拆分出的航路以I匪方法插入一条空航路中。需要说明的是，算法对于这三种启发是变异操作没有任何偏好，在某次变异时随机选取ー种方法进行变异。7.终止条件判断若步骤3 5被执行不满Nt次，继续执行步骤3 6 ;否则，航路规划过程结束，得到最优个体。8.解码输出按照步骤I中的编码规则进行解码，得到每个AUV的规划航路。本实施例利用IVlatlab1'提供的遗传算法工具箱(Genetic Algorithm Tool),本实施例对车辆航路规划领域的9个Solomon系列标准测试问题进行实验，它们分别是Solomon—25—R、Solomon—25—C、Solomon—25—RC、Solomon—50—R、Solomon—50—C、Solomon—50—RC、Solomon—100—R、Solomon—100—C、Solomon—100—RC。其中 25、50、100 代表目标的数量；R、C、RC分別代表航路点分布的三种不同类型远、集中、既远又集中。在原Solomon问题的基础在对每个客户的需求加上一个标准差。原问题的客户需求视为航路点上所需任务时间的期望值，其标准差为零到三分之一期望值的均匀分布。原问题的车辆最大载荷视为AUV的最大工作时间，每个AUV的速度恒定，并且假设单位时间内所航行的距离为Solomon问题地图上的单位长度，充电时间dfuel = 5。航路规划方法的具体参数设置如下N = 800，pc = O. 9，pm = O. 4，Nrsm = 10，Nt =
10000ο表I 3给出了使用和不使用本发明的启发式遗传操作的两种算法的对比实验结果。从中可以看出，本文提出的算法可以显著提升算法的性能，并且问题的规模越大本文提出的算法所帯来的性能提高越明显。表I.对25个航路点Solomnon问颗的实验结果
权利要求
1.一种面向不确定任务时间的自主水下航行器航路规划方法，其特征在于步骤如下 步骤I :对航路规划问题进行编码得到规模为N的种群，所述的编码方式为航路规划问题的每个可行解的编码由为多个子编码序列表示，每个子编码序列代表I个AUV的航路点顺序，子编码序列的数量代表航行完所有航路点所需的AUV数量；所述子编码序列的产生方法随机产生Nv个的[1，Nv]正整数，作为每个航行器所需航行的航路点数量；所述队为參与任务的AUV数量； 步骤2评估种群适应度对每条航路序列的代价も重复计算Nksm次，毎次计算时各航路点的具体观测时间由其概率分布随机生成，然后用这Nksm次计算结果的期望值作为该航路的估计代价；对编队中所有AUV的航路进行估计后即可得到该个体的适应度估计值
全文摘要
本发明涉及一种面向不确定任务时间的自主水下航行器航路规划方法，其特征在于步骤如下对航路规划问题进行编码得到规模为N的种群，然后评估种群适应度并从当前种群中选出N个优良个体，再对优良个体以概率pc进行交叉操作、对交叉后的优良个体以概率pm进行变异操作、进行启发式变异操作后得到最优个体；对最优个体按照步骤1中的编码规则进行解码，得到每个AUV的规划航路。本发明提出的一种面向不确定任务时间的自主水下航行器航路规划方法，可用于对多个AUV的航路进行规划，实现多AUV系统的协同航路规划，能够保证规划结果的全局最优性，且具有使用方便，通用性强的特点；也可应用于对机器人等的航路规划。
文档编号G01C21/20GK102679982SQ20121009978
公开日2012年9月19日 申请日期2012年4月6日 优先权日2012年4月6日
发明者严卫生, 刘明雍, 宋保维, 崔荣鑫, 张福斌, 张立川, 彭星光, 高剑 申请人:西北工业大学