本發(fā)明涉及無人艇自主控制，具體涉及一種基于改進遺傳算法的無人艇清障任務(wù)分配方法。

背景技術(shù)：

1、目前，國內(nèi)外有關(guān)任務(wù)分配問題進行了大量的研究，任務(wù)分配主要目的是保證執(zhí)行任務(wù)耗能少、距離短、時間短等，但受實際使用場景的約束，任務(wù)規(guī)模、復(fù)雜度等增加了任務(wù)分配問題的求解難度。目前主要方法有，群體智能算法、合同網(wǎng)算法和進化算法等。群體智能算法是模擬自然界生物種群的行為的算法，典型的群算法有蟻群算法、粒子群算法以及蜂群算法等。合同網(wǎng)算法源于商務(wù)過程中的合同機制，通過設(shè)定招標者、投標者和中標者角色模仿任務(wù)協(xié)商，對資源進行合理分析評估，從而實現(xiàn)任務(wù)分配。進化算法包括遺傳算法、遺傳規(guī)劃、進化規(guī)劃等，都是模仿自然界中生物進化與遺傳的機理，用于解決大規(guī)模復(fù)雜工程技術(shù)問題。其中遺傳算法是典型的進化算法，該方法是基于自然選擇的全局隨機搜索和優(yōu)化方法，遵循“適者生存”這一基本的達爾文進化原理，并且在進化過程中進行有組織但又隨機的信息交換，隨著種群的進化，優(yōu)良個體的基因被逐漸保留并加以重組，不斷產(chǎn)出新的更佳的個體。此過程類似生物進化，優(yōu)良特征被不斷的繼承下來，如此反復(fù)進化，產(chǎn)生種群最優(yōu)或次優(yōu)解。

2、遺傳算法最初由j.holland于1975年提出，是一種通過模擬自然界生物進化中的遺傳學(xué)機理進行尋優(yōu)的方法。該方法首先對種群進行初始化，給出一組問題的初始解，然后進行個體選擇、交叉和變異等遺傳操作生成新的滿足適應(yīng)度的解，重復(fù)上述過程直至產(chǎn)生滿足目標的最優(yōu)解。在遺傳算法“種群選擇”的過程中，參考的重要因素是個體的適應(yīng)度，算法根據(jù)個體適應(yīng)度來選擇留存到下一代的進化者，適應(yīng)度高的個體被選擇的幾率更大，這部分被選中的個體通過交叉、變異等一系列遺傳操作，實現(xiàn)個體基因的變換重組。由于在生物進化過程中遺傳性保證了基因的延續(xù)和穩(wěn)定，變異性創(chuàng)造了基因的多樣，由此遺傳算法不僅豐富了種群數(shù)量，同時優(yōu)化了個體質(zhì)量，使得優(yōu)秀基因得以保存，這反映到算法上，則是不斷地優(yōu)化解并逐漸趨于最優(yōu)解。遺傳算法作為一種適應(yīng)性極強的進化算法，幾乎不受場景和問題類型的限制，不存在復(fù)雜的求導(dǎo)操作或特殊規(guī)則，直接在問題的解空間進行隨機搜索。同時，遺傳算法也存在編碼方式難、局部搜索能力弱等問題，對遺傳算法的應(yīng)用研究及改進是目前優(yōu)化領(lǐng)域的熱點問題。

3、現(xiàn)有技術(shù)的無人艇在執(zhí)行清障任務(wù)時，行至障礙物上方，利用投放設(shè)備投放爆破物，以清理障礙物，但是當(dāng)多臺無人艇共同執(zhí)行清障任務(wù)時，現(xiàn)有技術(shù)缺乏高效的任務(wù)分配方法，容易造成部分無人艇閑置，影響清障任務(wù)執(zhí)行效率。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是：提出一種基于改進遺傳算法的無人艇清障任務(wù)分配方法，能夠綜合考慮障礙物目標位置分布、各艇航行速度及攜帶爆破物數(shù)量等因素，為每艘無人艇合理分配清障目標序列，保證任務(wù)順利執(zhí)行的前提下各艇工作量均衡，提高任務(wù)整體執(zhí)行效率。

2、為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

3、一種基于改進遺傳算法的無人艇清障任務(wù)分配方法，包括如下步驟：

4、s1，構(gòu)建多艇協(xié)同清障任務(wù)分配模型；

5、s2，確定無人艇集群初始位置、障礙物目標位置分布、無人艇速度及攜帶爆破物數(shù)量；

6、s3，利用雙染色體編碼方式對無人艇和目標任務(wù)序列對應(yīng)關(guān)系進行編碼，并初始化種群；

7、s4，通過適應(yīng)度函數(shù)評價種群適應(yīng)度，計算個體的適應(yīng)度值，判斷是否滿足進化終止條件，若是，則輸出最佳個體，結(jié)束分配流程，若否，則繼續(xù)執(zhí)行步驟s5；

8、s5，從種群中選擇要保留到下一代的個體，并計算個體產(chǎn)生子代的數(shù)量，使適應(yīng)度高的個體生成多個子代，同時保留適應(yīng)度差的個體產(chǎn)生少量子代；

9、s6，按照交叉概率對個體進行交叉匹配，交換兩個父代個體的基因片段，并按照變異概率對個體執(zhí)行對應(yīng)的變異操作，以產(chǎn)生新個體；當(dāng)滿足進化終止條件時，輸出最佳個體，即無人艇清障任務(wù)最佳分配序列，否則重新執(zhí)行步驟s4。

10、進一步的，在步驟s1中，所述構(gòu)建多艇協(xié)同清障任務(wù)分配模型，具體包括如下步驟：

11、s11，假設(shè)執(zhí)行清障任務(wù)的無人艇集群為u＝{u1,u2,...,un}，無人艇ui,i∈[1,n]的起始坐標記為攜帶爆破物量為無人艇在清障任務(wù)中的航行速度記為待清除障礙物目標為m＝{m1,m2,...,mm},障礙物mj,j∈[1,m]的坐標記為障礙物mj與障礙物mk,k∈[1,m]間的歐氏距離為：

12、

13、無人艇ui分配的障礙物目標記作包含集合m中的個目標；

14、s12，確定多艇協(xié)同清障任務(wù)分配目標函數(shù)：

15、

16、其中，為無人艇ui從初始位置到障礙物mj的距離，和為無人艇和障礙物是否關(guān)聯(lián)的示性函數(shù)，λ1和λ2分別為距離代價和時耗代價系數(shù)；

17、s13，確定約束條件：

18、1)無人艇攜帶的爆破物數(shù)量要大于所分配的障礙物目標數(shù)量，

19、

20、2)無人艇需要滅除所有目標，且每個目標只能被分配給一艘無人艇，滿足：

21、

22、3)每艘無人艇至少分配一個目標，滿足：

23、

24、進一步的，在步驟s3中，所述雙染色體編碼方式，其中一條染色體表示無人艇序列u，另一條染色體表示目標序列m；染色體上的基因位表示無人艇或目標編號，兩條染色體的等位基因代表無人艇與目標的映射關(guān)系。

25、其中，所述初始化種群，具體為：

26、對于m個障礙物目標，用1到m對其進行編號，再隨機生成染色體基因是1到m的序列，同時，再在另一條染色體的等位基因上生成1到n中的任意數(shù)，即得到無人艇對障礙物目標的訪問序列。

27、進一步的，在步驟s4中，所述適應(yīng)度函數(shù)設(shè)置為：

28、

29、進一步的，在步驟s5中，種群中的個體i產(chǎn)生子代數(shù)量為：

30、

31、其中popmax為個體最多可生成的子代數(shù)量，popmin為個體最少可生成的子代數(shù)量，fi為個體i的適應(yīng)度，minf為個體最佳適應(yīng)度，maxf為個體最差適應(yīng)度。

32、進一步的，在步驟s6中，所述變異操作，具體包括：

33、1)交換變異

34、隨機交換目標序列中兩個目標的位置，即

35、

36、2)逆轉(zhuǎn)變異

37、將目標序列中某片段進行隨機逆轉(zhuǎn)，即

38、

39、3)插入變異

40、將目標序列中某目標隨機插入到另一位置，即

41、

42、4)局部變異

43、對于相距較近的目標點mj和mk，若在上述遺傳操作中被分配至不同的無人艇up和uq，則在上述無人艇之間隨機交換目標點，并計算適應(yīng)度值，若適應(yīng)值減小，則更新目標序列；否則，不做改變。

44、進一步的，所述進化終止條件，包括：目標個體不再變化或達到最大迭代次數(shù)。

45、本發(fā)明與現(xiàn)有技術(shù)相比具有以下主要的優(yōu)點：

46、1、本發(fā)明提出了一種基于改進遺傳算法的無人艇清障任務(wù)分配方法，通過綜合考慮障礙物目標位置分布、各艇航行速度及攜帶爆破物數(shù)量等因素，合理確定任務(wù)目標，精準分析任務(wù)約束，構(gòu)建貼合實際使用場景的多艇協(xié)同任務(wù)分配數(shù)學(xué)模型，為每艘無人艇合理分配清障目標序列，保證清障任務(wù)的順利執(zhí)行。

47、2、本發(fā)明采用改進的遺傳算法求解多艇協(xié)同清障任務(wù)分配問題，通過加入繁殖選擇策略，保證個體信息的全面性；通過局部變異操作，增強算法局部搜索能力；在確保無人艇清障總航路最短的同時均衡各艇執(zhí)行任務(wù)的時間，實現(xiàn)各艇目標的協(xié)同分配，大幅提高任務(wù)整體執(zhí)行效率。