一种威胁互联网下uuv的航路规划方法
【技术领域】
[0001] 本发明设及路径规划技术领域，尤其设及一种威胁互联网下UUV的航路规划方法。
【背景技术】
[0002] UUVWnmanned Underwater Vehicle,无人水下航行器）航路规划过程中，威胁区 域与障碍区域不同，障碍区是严格禁止通过的，而威胁区是可W选择通过但会承担一定风 险的区域。随着通信技术的发展，各个威胁区不再独立工作，而是通过联网共享目标信息， 因此当UUV通过某一威胁区后，再次通过其他威胁区时，其承受的风险将大大增加。所W在 威胁互联网下，UUV受到的威胁不再是其穿过的威胁区威胁等级的简单累加，田阔等在《威 胁联网下无人机路径在线规划》中，W及符小卫等在《防空威胁联网建模与分析》中探讨了 威胁互联网下的代价模型。伍祥红等在《基于蚁群优化的自主水下机器人路径决策方法研 究》中认为当目标被发现一次后，每个威胁区的威胁等级按一定方式增加；而姜礼平等在 《威胁联网下低空突防航路规划研究》中将威胁区的影响范围扩大，来体现威胁的增加。
[0003] 上述运些文献中均是设计了威胁代价模型，然后将该模型引入规划算法中W限制 航路穿越威胁区，从而得到较为安全的路径。但运些方法不能人为控制最大的风险承受概 率(或者航行器应保持的安全概率），且UUV往往是通过较早出现的威胁区、绕行较后出现的 威胁区，实际应用中运样的现象难W保证航路较优，因为在满足某些限制条件下，UUV绕行 较早出现的威胁而通过较后出现的威胁可能承受的风险更小，路径更加优化。
【发明内容】
[0004] 本发明设及的理论内容
[0005] 1、安全概率计算规则
[0006] 本发明将规划路径承受的风险转化成安全概率saf邱，即UUV承受的风险越大，安 全概率越小。威胁区的危险概率根据UUV通过的威胁区个数按一定方式指数增加。路径的安 全概率计算规则如下：
[0007]
[000引其中，i为路径上通过的威胁区序号，N为路径上通过的威胁区总数，thread_pro_i 为路径上通过的第i个威胁区的威胁概率，W为威胁升级权值，w>l;
[0009] 2、基于安全保障的蚁群状态转移概率计算方法
[0010] 本发明使用可视图法建立蚁群算法中妈蚁的状态转移点，为了得到满足安全概率 要求的路径，设计了 W下状态转移概率计算规则：
[0011]
[001^ 上式中，κ?为妈蚁k于当前目标点i处转移到可视点j的概率;allow为妈蚁k于当 前目标点i处允许做状态转移的可视点集合;η是启发函数，为待转移可视点到当前目标点 直线距离的倒数，屯是待转移可视点j到当前目标点i直线距离的倒数，屯是allow中任一点 到当前目标点i直线距离的倒数;τυ为信息素浓度;α为信息素的重要程度;0为启发函数的 重要程度；
[0013] 如果从蚁群点i转移到蚁群点j会经过威胁区域，那么需根据已经通过的威胁区域 数量和危险等级W及点i、j之间将会经过的威胁区数量和危险等级修正其转移权值（Tij)a 扣)e大小得到修正转移权值（（τυ)α(ιυ)Ρ)*，具体过程如下：
[0014] 1)利用安全概率计算规则，根据当前已经通过的威胁区域数量num和危险等级计 算当前安全概率now_saf ep;
[0015] 2)获取从点i转移到点j会经过的威胁区域数量和危险等级，并按照经过的先后顺 序排列;计算从i转移到j后的安全概率
[0016]
[0017]其中t虹ead[]为从点i转移到j经过的各威胁区域顺序存储对应的危险等级，危险 等级为从0到10之间的任意整数;m为从点i转移到j经过的威胁区个数;W为威胁升级权值，W >1;
[001 引①如果 ifTransfe;r_safep<sa&p_limit，则给（Tij；r(rij)P 赋一个极小的值；
[0019] ②如果 ifTransfe;r_sa;l^p>sa;l^p_limit，则，
[0020] ((τυ)"Χ^；)0)* = ξ X ifT虹ansfer-safep
[0021] 其中，ξ为0~1之间的随机数；
[0022] 本发明中所述的妈蚁可用UUV替代；
[0023] 本发明为解决现有威胁互联网的环境下，同时存在障碍区和威胁区时，存在不能 事先设置UUV应保持的安全概率，且难W保证航路尽可能最短的问题，而提出一种威胁互联 网下UUV的路径规划方法。
[0024] -种威胁互联网下UUV的路径规划方法，按W下步骤进行：
[0025] 步骤一:传入布放点、回收点，按遍历顺序存储必经点的数组listn;获取用户要 求的安全概率saf邱_1 imi t;设置蚁群种群数量m_AntNum、最大迭代次数Max_generat ion、 历史最优保留次数Max_histBest、信息素挥发系数vol、信息素上限信息素下限 步骤二:初始化信息素矩阵，历史最优妈蚁化storyBestAnt，历史最优妈蚁已保 存次数 histo;ry_best_hold = 0,已循环迭代数 m_generation = 0;
[0026] 步骤S :设置妈蚁k = 0，转到步骤四；
[0027] 步骤四：如果k>m_AntNum，转到步骤八，如果，k<m_AntNum，获取必经点链表的长 度1 i S truim，设置必经点t = 0，转到步骤五；
[00巧]步骤五：如果必经点tClistnum，设置子目标点subAimPoint为必经点list[t]，转 到步骤六;如果t = 1 i S truim，设置子目标点subAimPo int为回收点；
[00巧]步骤六:设此时妈蚁所在点为gi，若gi为subAimPoint,且subAimPoint为必经点，妈 蚁已找到该子目标，赋值t = t+l，转到步骤五；若gi为subAimPoint，且subAimPoint为回收 点，妈蚁完成整个路径捜索，赋值k = k+l，转到步骤四；否则，则转到步骤屯；
[0030]步骤屯:若gi对应的可视点集合allowi为空，妈蚁死亡，赋值k = k+l，转到步骤四； 基于安全保障的蚁群状态转移概率计算方法，计算allowi中每一点的转移权值，利用轮盘 赌选出转移点g j E a 11 owi，并从g j的a 110W j中删除点gi，转到步骤六；
[0031 ] 步骤八：赋值m_generation=m_generation+l;若本次迭代中，妈蚁走过的路径比 历史最优妈蚁 HistoryBestAnt 更优，更新 HistoryBestAnt，history_best_hold = 0;否则赋 {Ehistory_best_hold = history_best_hold+l ；
[0032] 步骤九：如果m_generation>Max_generation或histo;ry_best_hold>Max_ his巧est，算法结束;否则更新信息素，转到步骤Ξ。
[0033] 本发明包括W下有益效果：
[0034] 1、本发明是在障碍区和威胁区同时存在，且威胁互联网的环境下设计一种蚁群路 径规划算法，使规划出的路径遍历完用户设置的若干必经点后回到回收点，在必经点遍历 顺序一定的情况下尽量使路径最短且能满足用户设置的安全概率；
[0035] 2、本发明将安全概率计算规则和基于安全保障的蚁群状态转移概率计算方法运 用于妈蚁算法，在保证事先设置UUV应保持的安全概率条件下，保证航路尽可能最短，二者 能够兼顾；
[0036] 3、与传统的蚁群算法在规划过程中有固定的目标点不同，本发明提出的算法其目 标点在规划过程中会按照遍历顺序依次变化，每只妈蚁得到的路径都是从布放点出发遍历 过所有的必经点后回到回收点的完整路径；
[0037] 4、与传统的蚁群算法的规划相比，本发明的规划是一次性完成而不是分段规划后 拼接的。
【附图说明】
[0038] 图1为一个威胁区且要求安全概率为0 .別寸，危险等级低时的实际规划路径仿真验 证图；
[0039] 图2为一个威胁区且要求安全概率为0.別寸，危险等级高时的实际规划路径仿真验 证图；
[0040] 图3为多个威胁区且要求安全概率为0.別寸，穿过单个威胁区的实际规划路径仿真 验证图；
[0041 ]图4为多个威胁区、障碍区和必经点且要求安全概率为0 .別寸，穿过单个威胁区的 实际规划路径仿真验证图；
[0042] 图5为多个威胁区、障碍区和必经点且要求安全概率为0.6时，穿过多个威胁区的 实际规划路径仿真验证图。
【具体实施方式】
[0043] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合【具体实施方式】 对本发明作进一步详细的说明。
【具体实施方式】 [0044] 一、本实施方式所述的一种威胁互联网下UUV的路径规划方法，按W 下步骤进行：
[0045] 步骤一:传入布放点、回收点，按遍历顺序存储必经点的数组listn;获取用户要 求的安全概率saf邱_1 imi t;设置蚁群种群数量m_AntNum、最大迭代次数Max_generat ion、 历史最优保留次数Max_histBest、信息素挥发系数vol、信息素上限up_limit、信息素下限 步骤二:初始化信息素矩阵，历史最优妈蚁化storyBestAnt，历史最优妈蚁已保 存次数 histo;ry_best_hold = 0,已循环迭代数 m_generation = 0;
[0046] 步骤Ξ:设置妈蚁k = 0,转到步骤四；
[0047] 步骤四：如果k>m_AntNum，转到步骤八，如果，k<m_AntNum，获取必经点链表的长 度1 i S truim，设置必经点t = 0，转到步骤五；
[004引步骤五:如果必经点tClistnum，设置子目标点subAimPoint为必经点list[t]，转 到步骤六;如果t = 1 i S truim，设置子目标点subAimPo int为回收点；
[0049] 步骤六:设此时妈蚁所在点为gi，若gi为subAimPoint,且subAimPoint为必经点，妈 蚁已找到该子目标，赋值t = t+l，转到步骤五；若gi为subAimPoint，且subAimPoint为回收 点，妈蚁完成整个路径捜索，赋值k = k+l，转到步骤四；否则，则转到步骤屯；
[0050] 步骤屯:若gi对应的可视点集合allowi为空，妈蚁死亡，赋值k = k+l，转到步骤四； 基于安全保障的蚁群状态转移概率计算方法，计算allowi中每一点的转移权值，利用轮盘 赌选出转移点g j E a 11 owi，并从g j的a 11OW j中删除点gi，转到步骤六；
[0化1 ] 步骤八：赋值m_generation=m_generation+l;若本次迭代中，妈蚁走过的路径比 历史最优妈蚁 HistoryBestAnt 更优，更新 HistoryBestAnt，h