人工鱼群与遗传混合算法在无人艇路径规划中的应用

计算机工程与科学

人工鱼群与遗传混合算法在无人艇路径规划中的应用

梁雪慧1，2，赵嘉祺2

（1.天津理工大学天津市复杂系统控制理论与应用重点实验室，天津 300384；

2.天津理工大学电气电子工程学院，天津 300384）

收稿日期:2018-07-18 修回日期:2018-09-14 出版日期:2019-05-25 发布日期:2019-05-25
基金资助:
天津市科技特派员项目(14JCTPJC00510)；天津市科技计划资助项目(13ZCZDGX03800)

A hybrid algorithm of artificial fish swarm and

genetic algorithm and its application in collision

avoidance of unmanned surface vessels

LIANG Xuehui1,2,ZHAO Jiaqi2

（1.Tianjin Key Laboratory of Control Theory and Applications in Complicated Systems,

Tianjin University of Technology,Tianjin 300384;

2.School of Electrical and Electronic Engineering,Tianjin University of Technology,Tianjin 300384,China)

Received:2018-07-18 Revised:2018-09-14 Online:2019-05-25 Published:2019-05-25

摘要/Abstract

摘要：

为了使水环境监测无人艇在监测和采集水样时能有效躲避静态障碍物，且以最优或接近最优的路径行进，提出了一种变步长和变视野的自适应人工鱼群算法与改进遗传算法混合的策略，在人工鱼完成觅食、追尾、聚群等行为后，进行遗传算法的操作。通过指数函数型衰减函数使算法前期视野和步长很大，后期视野和步长很小，提高算法的运行效率和精确性；在基本遗传算法中加入精英选择策略和保护、淘汰算子，得到全局最优解。仿真结果表明，混合算法有效克服了单一算法容易局部收敛的缺点，收敛速度快，能有效得到最优路径，计算精度高。

关键词: 自适应人工鱼群算法, 遗传算法, 保护算子, 淘汰算子, 最优路径

Abstract:

In order to enable the unmanned surface vehicle (USV) for water environment monitoring to effectively avoid static obstacles while monitoring and sampling water quality, and to travel in optimal or near optimal path, we propose a hybrid strategy with variable step sizes and variable view ranges, which combines an adaptive artificial fish swarm algorithm (AFSA) with an improved genetic algorithm (GA). After the artificial fish finishes foraging, tracking and clustering operations, the GA is introduced. A decaying exponential function is chosen to enlarge the vision range of and step length in the early phase and to reduce them in the late phase. This can improve the efficiency and accuracy of the algorithm. Simultaneously, an elite selection strategy, a protection operator and an elimination operator are introduced to the basic genetic algorithm to obtain the global optimal solution. Simulation results show that the hybrid algorithm can effectively overcome the disadvantages of a single algorithm, and that is easy to fall into local convergence. The proposed algorithm has a fast convergence speed and effectively obtains the optimal path with high calculation accuracy.

Key words: adaptive artificial fish swarm algorithm, genetic algorithm, protection operator, elimination operator, optimal path

梁雪慧1，2，赵嘉祺2. 人工鱼群与遗传混合算法在无人艇路径规划中的应用[J]. 计算机工程与科学.

LIANG Xuehui1,2,ZHAO Jiaqi2.

A hybrid algorithm of artificial fish swarm and

genetic algorithm and its application in collision

avoidance of unmanned surface vessels

[J]. Computer Engineering & Science.

[1]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[2]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[3]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[4]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[5]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[6]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[7]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[8]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[9]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[10]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[11]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.
[12]	陈旺虎，田真，张礼智，梁小燕，高雅琼. 基于插值的高维稀疏数据离群点检测方法[J]. 计算机工程与科学, 2020, 42(06): 966-972.
[13]	王硕禾1，刘旭1，李苏晨1，张国驹2. 基于多目标遗传算法的LoRa参数匹配优化[J]. 计算机工程与科学, 2020, 42(03): 434-440.
[14]	马晗，常安定，陈童，李江杰. 基于文化混合优化算法的旅行商问题求解[J]. 计算机工程与科学, 2019, 41(07): 1273-1278.
[15]	刘华1，杨春曦1，韩光松2，谢可心1. N状态二进制一致性算法设计及其优化[J]. 计算机工程与科学, 2019, 41(06): 1009-1015.