买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：本发明旨在针对传统粒子群算法在路径规划问题中存在的路径质量不高和固定参数粒子群运行时间慢的问题，公开了一种自适应参数调整的无人潜航器Unmannedunderwatervehicle,UUV粒子群三维路径规划方法，具体包括：首先，建立了包含山体障碍的三维地图模型；接着，初始化了粒子群参数，通过加权法计算适应度值；随后，通过遍历种群寻找初始极值，记录历史最优解，并计算自适应惯性权重和学习因子，实现了粒子速度和位置的更新；此外，通过自适应温度更新种群，进行自适应变异和自适应步长局部搜索，进一步优化了UUV的航行路径，最后得到最终解。该方法有效地提高了UUV路径规划的质量和效率，同时减少了运行时间，为UUV路径规划问题提供了一种有效的解决方案。

主权项：1.一种自适应参数调整的UUV粒子群三维路径规划方法，其特征在于，包括以下步骤：步骤1：建立三维存在山体障碍的地图模型，设置起点和终点，完成UUV所处环境初始化；步骤2：对粒子群参数进行初始化，种群数量pop，基因最大值popmax和基因最小值popmin，总迭代次数iterations，认知因子最大值c1_max和社交因子最大值c2_max，惯性权重最大值wmax和惯性权重最小值wmin，速度范围vmin和vmax，初始温度temp降温速率rt；步骤3：计算初始适应度值，使用加权法对以下四个方面进行线性加权：距离d、高度h、曲率均值mk以及惩罚项res，组合以上计算结果，并使用加权系数得到目标函数值fitness；步骤4：寻找初始极值，设置最初最优适应度值fitnessbest，遍历种群中的每个个体的适应度值，如果该个体的适应度值小于当前最优适应度值fitnessbest，则更新fitnessbest为该个体的适应度值，并记录对应的为群体极值适应度值；步骤5：记录历史最优解，定义一个数组History来记录每次迭代过程中发现的最优解，并将当前迭代最优解更新到这个数组中；步骤6：计算自适应惯性权重，公式如下： 其中，w为惯性权重；wmax为惯性权重最大值；wmin为惯性权重最小值；iter为当前迭代次数；iterations为总迭代次数；计算学习因子，公式如下： 其中，c1为认知因子；c1_max为认知因子最大值；c2为社交因子；c2_max为社交因子最大值；为均值为0，标准差为0.2的正态分布随机数；然后对学习因子的范围进行限制，防止学习因子过大或者过小；步骤7：对粒子的速度进行更新并且进行修正确保速度值维持在正常范围内，对粒子的位置进行更新并且进行修正保证粒子位置不超出范围；步骤8：根据新粒子的速度和位置计算新的适应度值，然后更新个体最优；步骤9：根据自适应温度来更新种群，首先计算适应度的差值，公式如下：df＝fit1-fitness3其中，fit1为新粒子的适应度值；fitness为粒子的适应度值；如果df＜0则新解fit1是一个更好的解，直接接受，并且更新粒子的速度和位置；或者当取时也接受新解fit1，并且更新粒子的速度和位置；步骤10：对种群中粒子进行自适应变异，首先设置基础变异率rb和基础变异率衰减速率rd，然后计算动态变异率rh使得自适应变异率能随着迭代的进行逐渐减小，公式如下： 其中，iter为当前迭代次数；iterations为总迭代次数；然后计算基于适应度的变异调整因子rf使得适应度值越小变异率越高，公式如下： 其中，fitness为当前适应度值；为历史最大适应度值；最后结合动态变异率rh和基于适应度的变异调整因子rf得到自适应变异率rm，公式如下：rm＝rh*1+0.5*rf6并且对自适应变异率进行范围限制，确保计算得到的变异率保持在合理的范围内，即从0到1之间，公式如下：rm'＝minmaxrm,0,17遍历粒子进行变异，首先随机选择一个维度dim，然后计算变异步长mstep，公式如下：mstep＝popdim-gbestdim*rm'8其中，popdim为粒子在dim维度上的值；gbestdim为粒子在dim维度上的历史最大值；rm'为修正后的自适应变异率；根据适应度来调整变异幅度，公式如下： 其中，mfb为基于适应度的调整因子；fitness为当前适应度值；为历史最大适应度值；对粒子种群进行变异，将变异步长mstep乘以基于适应度的调整因子mfb，然后加到粒子的dim维度上，实现变异，公式如下：popdim'＝mstep*mfb10其中，popdim'为变异后粒子在dim维度上的值；mstep为变异步长；mfb为基于适应度的调整因子；对变异后的值进行检查和修正，变异后的粒子位置在[popmin,popmax]之间，变异后更新记录个体最优和群体最优；步骤11：对适应度值进行排序，得到从小到大的适应度值，将其记录存放，设置反射的初始步长为α，缩放的初始步长为β，设置控制反射步长的衰减比例αs，控制缩放步长的衰减比例βs，然后进行局部搜索，首先计算除了最坏粒子以外的粒子位置的均值x4，然后计算最坏粒子和x4的反射点x5，并对x5修正确保未超出边界，并且计算反射点x5的适应度值如果则计算扩张点，首先计算自适应步长αz，公式如下：αz＝α*αsiter-111其中，fitworst为最差适应度值；α为反射初始步长；αs为反射步长衰减比例；iter为当前迭代数；然后计算扩张点x6，计算公式如下：x6＝x4+αz*xworst-x412其中，xworst为粒子群最差粒子的位置；然后对x6修正确保未超过边界，并且计算扩张点x6的适应度值如果则用x6替换最差粒子xworst；否则用x5替换最差粒子xworst，如果则计算缩放点，首先计算自适应步长βz，公式如下：βz＝β*βsiter-113其中，fitworst-1为倒数第二差的适应度值；β为缩放初始步长；βs为缩放步长衰减比例；iter为当前迭代数；然后计算缩放点x7，计算公式如下：x7＝x4+βz*x4-xworst14其中，xworst为粒子群最差粒子的位置；然后对x7修正确保未超过边界，并且计算扩张点x7的适应度值如果则用x7替换最差粒子xworst；否则继续生成缩放点x8，如果x8位置不比最坏粒子好，则在最佳粒子和倒数第二差粒子xworst-1之间选择一个新粒子x9，对x9修正后，用x9替换最差粒子xworst，局部搜索完成后根据适应度值重新排序粒子群，并且得到最优粒子步骤12：更新数组History记录粒子种群最优值以及更新最优值步骤13：判断是否达到整个种群迭代次数，是则进入步骤14；否则回到步骤6；步骤14：输出最优值。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种自适应参数调整的UUV粒子群三维路径规划方法