集群回收控制方法、装置、设备及可读存储介质与流程

本发明涉及机器人技术领域，尤其涉及一种集群回收控制方法、装置、设备及可读存储介质。

背景技术：

自主式水下潜器(auv，autonomousunderwatervehicle)是一种执行水下任务而不需要通过操作者控制的自主式无人水下机器人。auv的回收技术是确保auv执行完规定的任务返航后快速的收回，是海洋应用领域的一项前沿技术。目前最常用的回收方式是通过母船船员手工的打捞，这一回收方式的自动化水平与效率都比较低，十分的费时费力，回收一个auv的时间通常需要30分钟以上，从而造成了人工打捞多个auv的效率低下的技术问题。另外，人工打捞的方式也对海况环境的要求比较高，而且人工回收的方式对人的安全也会造成威胁。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种集群回收控制方法，旨在解决人人工打捞多个auv的效率低下的技术问题。

为实现上述目的，本发明提供一种集群回收控制方法，所述集群回收控制方法应用于集群回收控制设备，所述集群回收控制方法包括以下步骤：

获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；

基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；

获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。

可选地，所述获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径的步骤包括：

在当前时间点为所述预设采样时间点时，基于预设轨迹跟踪设备获取所述多个auv的位置与角度测量值；

根据所述位置与角度测量值更新所述初始回收路径，确定每一采样时间间隔的所述多个auv的最优回收路径。

可选地，所述获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径的步骤之后，还包括：

基于所述采样时间间隔，利用模型预测控制mpc，对最优路径进行更新。

可选地，所述基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径的步骤之前，还包括：

将所述非线性整数规划问题转化为多旅行商问题，并使用k-means聚类算法将所述多旅行商问题转化为多个独立的旅行商问题。

可选地，所述使用k-means聚类算法将所述多旅行商问题转化为多个独立的旅行商问题的步骤包括：

获取用于打捞所述多个auv的无人水面艇usv数目，确定个数为所述usv数目的初始聚类中心；

按照最短距离原则将所述多个auv逐一分配至所述初始聚类中心中的某一个，生成个数为所述usv数目的初始目标集；

计算各初始目标集的均值向量，将所述均值向量作为新聚类中心；

在检测到所述新聚类中心与所述初始聚类中心之间的距离小于预设阈值时，将所述新聚类中心作为目标聚类中心，并根据所述目标聚类中心确定所述多个独立的旅行商问题。

可选地，所述基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径的步骤包括：

建立所述目标聚类中心对应的完全无向图，选择所述完全无向图中的任意一个顶点作为根节点，其中，所述顶点为所述多个auv对应在所述完全无向图中的位置；

使用prim算法确定所述完全无向图的最小生成树；

前序遍历所述最小生成树，获取基于遍历顺序确定的顶点表，并将所述根节点添加至所述顶点表的末尾；

根据所述顶点表中各顶点的次序，并结合所述预设auv约束条件，确定所述最优回收顺序与初始回收路径。

可选地，获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数的步骤之前，还包括：

根据所述多个auv的预设初始条件对所述动态模型进行初始化。

此外，为实现上述目的，本发明还提供一种集群回收控制装置，所述集群回收控制装置包括：

目标函数确定模块，用于获取回收多个auv所需的动态模型，基于预设auv约束条件与所述动态模型确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；

最优问题求解模块，用于基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；

回收路径更新模块，用于获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。

此外，为实现上述目的，本发明还提供一种集群回收控制设备，所述集群回收控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的集群回收控制程序，所述集群回收控制程序被所述处理器执行时实现如上述的集群回收控制方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有集群回收控制程序，所述集群回收控制程序被处理器执行时实现如上述的集群回收控制方法的步骤。

本发明提供一种集群回收控制方法、装置、设备及计算机可读存储介质。所述集群回收控制方法通过获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。通过上述方式，本发明通过建立的多个auv与usv的运动学和动力学模型，并根据预设约束条件确定用于求解回收auv的最优顺序和路径的目标函数，避免了回收过程中可能会出现的碰撞情况，提升了本发明的实用性；通过使用外部近似算法求解非线性整数规划问题，得到最优回收顺序与初始的回收路径，较之传统的人工回收方式，极大减少了回收时间与回收成本；通过获取实际测量值不断优化回收路径，进一步提升了回收效率，实现了高效、快速、安全、自动化地集群回收多个auv，从而解决了人工打捞多个auv的效率低下的技术问题。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明集群回收控制方法第一实施例的流程示意图；

图3为本发明集群回收控制方法的系统结构示意图；

图4为本发明装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是pc，也可以是智能手机、平板电脑等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如cpu，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。

可选地，终端还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及集群回收控制程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的集群回收控制程序，并执行以下操作：

获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；

基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；

获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

在当前时间点为所述预设采样时间点时，基于预设轨迹跟踪设备获取所述多个auv的位置与角度测量值；

根据所述位置与角度测量值更新所述初始回收路径，确定每一采样时间间隔的所述多个auv的最优回收路径。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

基于所述采样时间间隔，利用模型预测控制mpc，对最优路径进行更新。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

将所述非线性整数规划问题转化为多旅行商问题，并使用k-means聚类算法将所述多旅行商问题转化为多个独立的旅行商问题。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

获取用于打捞所述多个auv的无人水面艇usv数目，确定个数为所述usv数目的初始聚类中心；

按照最短距离原则将所述多个auv逐一分配至所述初始聚类中心中的某一个，生成个数为所述usv数目的初始目标集；

计算各初始目标集的均值向量，将所述均值向量作为新聚类中心；

在检测到所述新聚类中心与所述初始聚类中心之间的距离小于预设阈值时，将所述新聚类中心作为目标聚类中心，并根据所述目标聚类中心确定所述多个独立的旅行商问题。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

建立所述目标聚类中心对应的完全无向图，选择所述完全无向图中的任意一个顶点作为根节点，其中，所述顶点为所述多个auv对应在所述完全无向图中的位置；

使用prim算法确定所述完全无向图的最小生成树；

前序遍历所述最小生成树，获取基于遍历顺序确定的顶点表，并将所述根节点添加至所述顶点表的末尾；

根据所述顶点表中各顶点的次序，并结合所述预设auv约束条件，确定所述最优回收顺序与初始回收路径。

进一步地，处理器1001可以调用存储器1005中存储的集群回收控制程序，还执行以下操作：

根据所述多个auv的预设初始条件对所述动态模型进行初始化。

基于上述硬件结构，提出本发明集群回收控制方法的各个实施例。

参照图2，图2为集群回收控制方法第一实施例的流程示意图。

自主式水下潜器(auv，autonomousunderwatervehicle)是一种执行水下任务而不需要通过操作者控制的自主式无人水下机器人。auv的回收技术是确保auv执行完规定的任务返航后快速的收回，是海洋应用领域的一项前沿技术。目前最常用的回收方式是通过母船船员手工的打捞，这一回收方式的自动化水平与效率都比较低，十分的费时费力，回收一个auv的时间通常需要30分钟以上，从而造成了人工打捞多个auv的效率低下的技术问题。另外，人工打捞的方式也对海况环境的要求比较高，而且人工回收的方式对人的安全也造成威胁。需要说明的是，auv只有一个推进器，机动能力差，auv集群回收需要机动性能更高的无人水面艇(usv，unmannedsurfacevessel)来辅助回收。未来的海洋开发需要更多的auv协同出海作业，auv集群回收十分必要。

在本实施例中，为解决上述问题，本发明提供一种集群回收控制方法，即通过预设的多个auv与usv的动态模型来确定用于求解回收auv的最优顺序与路径的非线性整数规划问题，为解决这一非线性整数规划问题提供了技术基础；通过利用外部近似算法并结合各种现实的约束条件求解这一非线性整数规划问题，避免了回收过程中可能会出现的碰撞情况，提升了本发明的实用性；通过求解后得到最优回收顺序与初始的回收路径，较之传统的人工回收方式，极大减少了回收时间与回收成本；通过获取实际测量值不断优化回收路径，进一步提升了回收效率，实现了高效、快速、安全、自动化地集群回收多个auv，从而解决了人工打捞多个auv的效率低下的技术问题。所述集群回收控制方法应用于装有集群回收控制程序的终端。

本发明第一实施例提供一种集群回收控制方法，所述集群回收控制方法包括以下步骤：

步骤s10，获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；

其中，预设auv约束条件可为水下机器人边界约束条件、水下机器人碰撞约束条件、水下机器人终止约束条件与避障约束条件等。

在本实施例中，可以理解的是，在步骤s10之前，需先通过为多auv以及回收多auv所需的usv建立对应的动态模型。其中，动态模型可以是动力学模型、运动学模型等。实际场景中，回收控制人员在需要回收多个auv时，可点击已装有集群回收控制程序的终端中的预设回收任务创建按键。终端接收到回收控制人员当前发送的这一回收任务创建指令，获取待回收的多个auv与对应的usv的动态模型，根据这些预设的动态模型，并结合边界约束、碰撞约束、终止约束、避障约束等约束条件，以多auv的最优回收顺序与时间最优运动路径作为目标函数，构建混合整数非线性规划问题(minlp，mixed-integernonlinearprogramming)。其中，整数规划问题是指在一些等式约束、不等式约束和整数变量的限制下，最小化或最大化一个目标函数的优化问题。如果问题中的所有函数都是线性的，那就是线性整数规划问题；否则，就称之为非线性整数规划问题。另外，用于打捞auv的usv的数目可以是一个，也可以是多个，本实施例对此不做具体限制。

步骤s20，基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；

其中，外部近似算法为用来发现近似方法来解决优化问题的算法。

在本实施例中，终端根据预设的用于解决上述非线性整数规划问题的近似算法，对根据动态模型而构建的非线性整数规划问题进行求解，并将求解结果转化为回收多个auv所对应的最优回收顺序与usv的初始回收路径。具体地，若usv的数目为多个，且usv的数目小于待回收的auv的数目，则可将上述minlp看作多旅行社问题(mtsp，multipletravelingsalesmanproblem)。终端可使用k-means聚类算法将这一多旅行商问题转化为数目与usv数目等同的独立的旅行商问题，再使用近似算法对独立的旅行商问题进行求解，并将多个求解结果进行整合，最终生成回收多个auv的最优顺序与初始回收路径。

步骤s30，获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。

在本实施例中，可以理解的是，在步骤s30之前，回收控制人员可在终端上设置特定采样时间间隔。终端获取每一采样时间点上基于轨迹跟踪模块获取待回收的多个auv的实际位置、角度等信息，并根据这些信息更新上述初始回收路径，生成每一待回收auv的最优回收路径。

具体地，如图3所示，回收控制人员可在终端上建立集群回收控制系统。该系统分为两部分，第一部分初始求解模块，通过为多个待回收的auv进行离线路径规划，建立多个auv与usv的动力学模型，并根据auv的初始条件对模型进行初始化。系统设置多auv及usv的边界约束条件、碰撞约束条件、终止约束条件与避障约束条件。以auv最优回收顺序与时间最优运动路径作为目标函数，构建minlp。系统基于外部近似算法建立minlp离线求解器对这一minlp进行求解，得到回收多个auv任务的回收任务顺序与初始的最优路径。第二部分为模型预测控制(mpc，modelpredictivecontrol)模块，通过在每一采样时间点获取当前的测量信息，在线求解上述minlp也即是一个优先时间开环优化问题，并将得到的控制序列的第一个元素作用于被控对象。在下一个采样时间点，用新的测量信息作为预测系统未来动态的初始条件，更新这一优化问题并重新求解，以不断优化每一auv的最优回收路径。

本发明提供一种集群回收控制方法。所述集群回收控制方法通过获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。通过上述方式，本发明通过建立的多个auv与usv的运动学和动力学模型，并根据预设约束条件确定用于求解回收auv的最优顺序和路径的目标函数，避免了回收过程中可能会出现的碰撞情况，提升了本发明的实用性；通过使用外部近似算法求解非线性整数规划问题，得到最优回收顺序与初始的回收路径，较之传统的人工回收方式，极大减少了回收时间与回收成本；通过获取实际测量值不断优化回收路径，进一步提升了回收效率，实现了高效、快速、安全、自动化地集群回收多个auv，从而解决了人工打捞多个auv的效率低下的技术问题。

图中未示的，基于上述图2所示的第一实施例，提出本发明集群回收控制方法第二实施例。在本实施例中，步骤s30包括：

步骤a，在当前时间点为所述预设采样时间点时，基于预设轨迹跟踪设备获取所述多个auv的位置与角度测量值；

在本实施例中，终端可采用mpc这一反馈控制策略。终端根据预设的采样时间间隔，在每一采样时间点上，获取预设的轨迹跟踪设备采集的待回收的多个auv的位置测量值与角度测量值。

步骤b，根据所述位置与角度测量值更新所述初始回收路径，确定每一采样时间间隔的所述多个auv的最优回收路径。

在本实施例中，终端根据mpc算法，通过在每一采样时间点获取到的位置测量值与角度测量值，在线求解上述minlp问题，并将得到的控制序列的第一个元素作用于被控对象。在下一个采样时间点，用新的测量信息作为预测未来动态的初始条件，更新这一问题，并重新对上述非线性整数规划问题进行求解，以不断优化每一auv的最优回收路径。

进一步地，在本实施例中，步骤s20之前，还包括：

步骤c，基于所述采样时间间隔，利用模型预测控制mpc，对最优路径进行更新。

在本实施例中，终端采用mpc这一反馈控制算法来预测过程的未来输出，需要预先设定采样时间间隔，也即是采样周期。采样周期过大，则系统反应过慢导致难以及时进行修正控制，而采样周期过小，则会导致系统产生大量的在线优化计算，给系统带来较大的开销。因而建议采样周期设计采用开环响应时间(10～90％上升时间)的十分之一或二十分之一。终端基于mpc，通过在每一采样时间点获取当前的测量信息，在线求解上述minlp也即是一个优先时间开环优化问题，并将得到的控制序列的第一个元素作用于被控对象。在下一个采样时间点，用新的测量信息作为预测系统未来动态的初始条件，更新这一优化问题并重新求解，以不断优化每一auv的最优回收路径。

进一步地，在本实施例中，步骤s10之前，还包括：

步骤d，根据所述多个auv的预设初始条件对所述动态模型进行初始化。

在本实施例中，终端在构建上述minlp问题，求解目标函数之前，还需根据auv与usv的初始位置信息、初始角度信息等的初始条件，对待回收的多个auv与usv所对应的动态模型进行参数初始化，以提高动态模型的实用性。

本发明提供一种集群回收控制方法。所述集群回收控制方法进一步通过对待回收的多个auv进行路径跟踪，获取其实际的位置角度等信息以不断对回收路径进行优化，进一步完善最初所得的回收路径，使本发明的实用性与回收效率得到进一步提升；通过采用mpc算法，便于构建输入输出间的相互影响参数，支持方便添加约束条件，且具有预测能力；通过auv的预设初始条件对动态模型进行初始化，提升了动态模型与实际的auv设备的适配性，进而提高最终所得的回收顺序与路径的实用性。

图中未示的，基于上述图2所示的第一实施例，提出本发明集群回收控制方法第三实施例。在本实施例中，步骤s20之前，还包括：

步骤e，将所述非线性整数规划问题转化为多旅行商问题，并使用k-means聚类算法将所述多旅行商问题转化为多个独立的旅行商问题。

在本实施例中，若usv的数目为多个，且usv的数目小于待回收的auv的数目，则可将上述minlp看作多旅行商问题mtsp。终端可使用k-means聚类算法将这一多旅行商问题转化为数目与usv数目等同的独立的旅行商问题，再使用近似算法对独立的旅行商问题进行求解，并将多个求解结果进行整合，以生成回收多个auv的最优顺序与初始回收路径。

进一步地，在本实施例中，步骤d包括：

步骤f，获取用于打捞所述多个auv的无人水面艇usv数目，确定个数为所述usv数目的初始聚类中心；

在本实施例中，根据近似算法，终端先确定用于执行当前回收任务的usv的数目，将其设为k，并将待回收的多个auv的数目设为n，任一选择k个初始聚类中心。

步骤g，按照最短距离原则将所述多个auv逐一分配至所述初始聚类中心中的某一个，生成个数为所述usv数目的初始目标集；

本实施例中，终端分别计算每个待回收auv到各个初始聚类中心的距离，并将各个auv分配至其最短距离对应的初始聚类中心，生成k个初始目标集。每一初始目标集中包括一个初始聚类中心与若干个auv。

步骤h，计算各初始目标集的均值向量，将所述均值向量作为新聚类中心；

在本实施例中，终端计算k个初始目标集的均值向量，将各初始目标集所对应的均值向量作为各初始目标集的新的聚类中心，即对k个初始目标集进行更新。

步骤i，在检测到所述新聚类中心与所述初始聚类中心之间的距离小于预设阈值时，将所述新聚类中心作为目标聚类中心，并根据所述目标聚类中心确定所述多个独立的旅行商问题。

其中，预设阈值可根据实际情况灵活设定，本实施例对此不做具体限定。

在本实施例中，重复步骤h，并计算每一轮迭代中新聚类中心与初始聚类中心之间的距离。直至终端检测到当前轮数迭代过程的新聚类中心与初始聚类中心之间的距离小于预设阈值时，可判定当前已满足收敛条件，接收迭代计算，并将当前的新聚类中心作为最终的目标聚类中心，将每个目标聚类中心对应的若干auv看作一组，每组即可对应一个独立的旅行商问题。

进一步地，在本实施例中，步骤s20包括：

步骤j，建立所述目标聚类中心对应的完全无向图，选择所述完全无向图中的任意一个顶点作为根节点，其中，所述顶点为所述多个auv对应在所述完全无向图中的位置；

在本实施例中，终端根据步骤i中得到的k组auv集合，构建k个独立的旅行商问题。终端根据每组的auv的位置建立k个完全无向图，每一auv的位置即为图中的一个顶点。终端在每个完全无向图中任意选择一个顶点作为根节点。

步骤k，使用prim算法确定所述完全无向图的最小生成树；

在本实施例中，以单个完全无向图为例。设完全无向图为g，最小生成树为t，集合v为g中的全部顶点，集合u是g中已经走过的顶点，集合u-v是g中未走过的顶点。(1)从g中的起点a开始遍历，将a加入到集合u中，并将a从集合u-v替出；(2)在集合u-v中剩余的n-1个顶点中寻找与集合u中的a关联，且权重最小的那条边的终点b，将b加入到集合u中，并将b从集合u-v替出；(3)同理，在集合u-v中剩余的n-2个顶点中寻找与集合u中的a或b关联，且权重最小的那条边的终点c，将c加入到集合u中，并将c从集合u-v替出；(4)重复步骤(3)，直到g中所有的顶点都加入到集合u，且集合u-v为空，则集合u中的顶点就构成了最小生成树t。

步骤l，前序遍历所述最小生成树，获取基于遍历顺序确定的顶点表，并将所述根节点添加至所述顶点表的末尾；

在本实施例中，终端获取k个最小生成树，对每一最小生成树进行前序遍历，遍历出的节点即组成顶点表，再将k个根节点分别添加至对应的顶点表的末尾。

步骤m，根据所述顶点表中各顶点的次序，并结合所述预设auv约束条件，确定所述最优回收顺序与初始回收路径。

在本实施例中，终端获取添加根节点后各顶点表中顶点的次序，将k组顶点次序整合后生成n各待回收auv的最优回收顺序。终端将各顶点表中的顶点顺序依次连接，得到各最小生成树的哈密顿回路，并结合上述边界约束、碰撞约束、终止约束、避障约束等约束条件，确定出对应每一待回收auv的初始回收路径。

本发明提供一种集群回收控制方法。所述集群回收控制方法进一步通过k-means聚类算法，将集群回收auv所对应的这一多旅行商问题转化为多个独立的旅行商问题，降低了问题的复杂度，提高了非线性整数规划问题的求解效率；使用近似算法并结合约束条件对非线性整数规划问题进行求解，使得能够快速得出多个待回收auv的回收顺序与回收路径，较之传统的人工打捞方式具有更高的效率、自动化程度以及安全性。

本发明还提供一种集群回收控制装置。

所述集群回收控制装置包括：

目标函数确定模块，用于获取回收多个自主式水下潜器auv所需的动态模型，基于预设auv约束条件确定目标函数，其中，所述目标函数用于求解回收所述多个auv的最优顺序和路径；

最优问题求解模块，用于基于外部近似算法，对基于所述动态模型构建的非线性整数规划问题进行求解，获取与所述目标函数对应的所述多个auv的最优回收顺序与初始回收路径；

回收路径更新模块，用于获取预设采样时间点上采集的目标测量值，基于所述目标测量值对所述初始回收路径进行更新，以获得所述多个auv的最优回收路径。

本发明还提供一种集群回收控制设备。

所述集群回收控制设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的集群回收控制程序，其中所述集群回收控制程序被所述处理器执行时，实现如上所述的集群回收控制方法的步骤。

其中，所述集群回收控制程序被执行时所实现的方法可参照本发明集群回收控制方法的各个实施例，此处不再赘述。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有集群回收控制程序，所述集群回收控制程序被处理器执行时实现如上所述的集群回收控制方法的步骤。

其中，所述集群回收控制程序被执行时所实现的方法可参照本发明集群回收控制方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。