基于惩罚信息素蚁群算法的船舶路径规划方法

：本发明涉及船舶路径规划，具体涉及基于惩罚信息素蚁群算法的船舶路径规划方法。

背景技术

0、背景技术：

1、船舶路径规划是一种基于特定目标和约束条件的决策过程，专门用来确定船舶从某一地点到另一地点的理想路径。船舶在航行时，除了需要在海面上找到一条安全的避障路径，还需要考虑到不同的海洋环境以及多个优化目标来使船舶能找到一条符合预期的路径。常用的算法有a*算法、dijkstra算法、蚁群算法、遗传算法等。

2、目前，国内外有大量关于船舶路径规划的研究，有些学者针对在航海途中需要真实导航路线的问题，提出了一种基于自动识别系统数据的最短路径规划方法，可以更快、更有效的获取更短的路径，但采用的精度并非最优方法；有些学者针对多数船舶全局路径规划缺乏合理性和安全性的问题，构建了一种人工势场-操纵运动混合模型，得到了更符合真实的船舶航行工况的路径，提高了实用性，但计算效率不高；有些学者基于q-learning建立了船舶路径规划模型，能在位置环境中规划出较优路径并避障，但存在收敛速度慢等缺点；有些学者提出利用粒子群算法求解无人潜航器路径规划问题，该算法具有易于实现且收敛速度快的特点，但仍容易陷入局部最优解；有些学者提出了一种改进神经网络的船舶路径规划方法，规划长度与航行速度符合预期，但存在路径规划规模过小的问题；有些学者提出改进人工鱼群算法，并采用多指标决策方法构建海洋环境威胁场，在考虑了地形、海风和海浪的情况下进行路径规划，但只考虑海洋环境的部分因素；有些学者考虑海冰密集度、海表温度、风强度等因素来构建西北航道海洋环境威胁场，并基于改进蚁群算法进行路径规划，但未能解决其他恶劣海况下的救援路径规划，且算法性能有很大改进空间。

3、由于多数研究并未讨论在特定海洋环境下对船舶路径进行规划，现针对海洋环境多变且不易预测，船舶路径规划的规模较小以及传统的路径规划方法往往无法达到理想效果的问题，本发明提出一种改进的蚁群算法—惩罚信息素蚁群算法来解决船舶路径规划问题。

技术实现思路

0、技术实现要素：

1、本发明的目的是针对现有技术的缺陷，提供基于惩罚信息素蚁群算法的船舶路径规划方法，以解决上述背景技术提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于惩罚信息素蚁群算法的船舶路径规划方法，该方法受到强化学习的启发，学习系统根据从环境中反馈信号的奖惩状态，调整系统的参数。在惩罚信息素蚁群算法中，当船舶找到不可行路径或走到死胡同时，则基于强化学习的原理对不良行为进行惩罚，释放出惩罚信息素，使得船舶在后续的搜索过程中更倾向于选择其他路径，避免了无效搜索。其次，本发明设计了三个启发函数，为路径规划提供有效的指导。最后，本发明通过设计评价函数并引入模拟海洋环境中的中尺度涡旋和流体动力环境来评估本发明算法在不同环境下时路径规划的优势。

3、本发明具体包含一种改进的蚁群算法—惩罚信息素蚁群算法，通过以下步骤实现船舶路径规划：

4、t1：采用强化学习原理对船舶进行惩罚信息素策略：每只船舶在栅格地图上从起始点出发，依据当前信息素浓度选择下一步移动的位置；若船舶遇到不可行路径或死胡同时，记录此路径，并在该路径上释放惩罚信息素，数量根据设定的惩罚强度而定；更新地图信息，将惩罚信息素的影响反映在船舶未来的路径选择中；

5、t2：设计并应用三种启发函数：距离启发式函数，计算每个可选路径节点至目标节点的直线距离，作为选择该节点的依据；变向启发函数，依据船舶当前航向与选择路径节点后新航向的夹角，计算转向成本，优先选择转向成本较低的路径；风险启发函数，检查每个可选路径节点周围的障碍物数量，优先选择障碍物较少的路径；

6、t3：对模拟海洋环境中的中尺度涡旋和流体动力环境因素进行建模，将这些模型整合到启发函数中，每次船舶在选择下一步行动时，综合考虑这些环境因素对路径的影响；

7、t4：执行全局信息素更新机制：在每次迭代结束后，根据本次迭代中所有船舶的路径选择情况，更新引导信息素，增加指向优质路径的信息素浓度，减少指向较差路径的信息素浓度；对于标记有惩罚信息素的路径，增加其信息素浓度，以反映这些路径的不可行性或低效率；

8、t5：更新状态转移规则，具体为：根据当前节点的信息素浓度及启发函数值计算船舶从当前节点移动到每一个可能节点的概率；对每一只船舶，基于上述计算的概率随机选择下一步移动的节点；此状态转移规则考虑了引导信息素和惩罚信息素，以及距离、变向和风险启发函数的影响，确保船舶在搜索过程中能够更有效率地找到优质路径，并避免不可行或低效率路径。

9、作为本发明的一种技术优选方案，步骤t2中所述的距离启发式函数的具体计算公式为：

10、

11、

12、

13、其中，ηij为当前节点到下一步可选点之间的距离的倒数，dij为当前节点i到可选节点j的距离，dje为可选节点j到目标点e的距离，x和y代表节点的坐标。

14、作为本发明的一种技术优选方案，步骤t2中所述的变向启发函数用于减少船舶变向以节省油量的方法，具体包括以下属性：

15、w1：在船舶行驶过程中，通过控制船舶行驶方向以减少变向次数，保证船舶尽可能地在一条直线上行驶，从而减少因频繁改变航向而增加的油量消耗；

16、w2：在栅格地图中定义船舶的行驶方向为8个方向，船舶在栅格地图中移动变化的方向角度包括0°、45°、90°、135°；

17、w3：变向启发函数的计算公式为：

18、

19、其中，η变向(t)为变向启发函数，θ为节点i移动到节点j时的角度差值；

20、w4：该变向启发函数用于优化船舶的行驶路径，通过减少船舶航向的大幅度变化，以实现油量消耗的减少和航行效率的提高。

21、作为本发明的一种技术优选方案，步骤t2中所述的风险启发函数用于规避障碍物，具体包括以下属性：

22、u1：在船舶行驶过程中，通过评估并避免路径上的障碍物，确保船舶尽可能地在开阔的水域中进行行驶，从而提高航行的安全性；

23、u2：当船舶在栅格地图中运行过程时，需要评估其周围8个栅格中的危险区域数量和位置；

24、u3：风险启发函数为：

25、

26、u4：通过该风险启发函数，算法能够有效地识别并避免路径上的障碍物，优化航线选择，以减少潜在的碰撞风险，提高航行的安全性和效率。

27、作为本发明的一种技术优选方案，步骤t3中所述的中尺度涡旋效应采用构建旋转速度场的方式来表示涡旋，其计算公式为：

28、

29、

30、ε＝1e-6    (8)

31、其中，η度涡(t)为中尺度涡启发函数，qs为涡旋因子，dis为船舶当前位置与涡旋中心的位置，ε表示为一个极小的正值，xi和yi为当前节点的横坐标和纵坐标，xs和ys为涡旋中心的横坐标和纵坐标。

32、作为本发明的一种技术优选方案，步骤t3中所述流体动力学环境的影响具体包含以下步骤：

33、s1：在水池条件下对流体动力环境因素进行模拟计算，计算函数为：

34、

35、其中，τcurrent为船舶受流体动力干扰力矢量，ρo为海水密度，afc和alc分别为水下流体的正投影和侧投影面积，cxc和cyc分别为流体动力沿x方向和y方向的负荷系数，γrc为流体运动方向与船舶夹角，vrc为流体对于船舶的相对速度；

36、s2：计算船舶所受的流体合力：

37、

38、s3：船舶失速矢量与流体动力的关系为：

39、

40、其中，mship为船舶的质量，表示船舶在流体动力影响下产生的失速矢量；

41、s4：船舶为了避免失速，需要尽可能与流体动力方向一致，失速启发函数为：

42、

43、其中：η失速(t)为失速启发函数，v为海流速度，v′为船舶速度，为海流与船舶航向间的夹角，为失速矢量的最大值；

44、s5：最终得到的算法启发式函数为：

45、

46、其中：

47、

48、αm+βm＝1         (15)

49、其中，αm与βm为权重因子，ω1-ω4为阈值。

50、作为本发明的一种技术优选方案，步骤t4中所述全局信息素的计算公式为：

51、引导信息素为：

52、τij(t+1)＝(1-ρ)·τij(t)+ρ·δτij(t)      (16)

53、

54、

55、惩罚信息素的计算公式为：

56、

57、根据引导信息素和惩罚信息素的定义，全局信息素的计算公式为：

58、

59、其中，ρ为信息素蒸发系数，δτij(t)为在i点到j点上释放出的信息素的和，为i点到j点上的信息素增量，lk为船舶k经过的路径长度，q为信息素增量系数，为惩罚信息素。

60、作为本发明的一种技术优选方案，步骤t5中状态转移规则更新为：

61、

62、其中，为船舶k从栅格i移动到栅格j的概率，α为信息素启发因子，β为启发函数因子，nk为船舶下一步可到达的点的集合。

63、与相关的现有技术相比，本技术提案相比现有技术有以下主要技术优点，本发明的有益效果是：

64、路径优化显著：与传统蚁群算法(aco)和双向搜索的改进aco相比，本发明算法在简单仿真环境和涡旋环境下的路径长度、风险、航向改进显著。路径长度减少，航行风险和航向转变均大幅降低，显著提高了路径规划的效率和安全性。

65、迭代效率提升：本发明算法的迭代次数大幅减少，提高了计算效率。在实验中，与传统aco相比，迭代次数减少了89.7％，与双向搜索的改进aco相比降低了53.3％，这些表明本发明算法在快速收敛到优化解方面更加高效。

66、环境适应性强：本发明算法不仅在静态障碍物环境下表现优异，在模拟的真实海洋环境(如涡旋环境和流体动力环境)下也能有效工作。能够在遇到复杂的海洋现象时，规划出更安全、更经济、受环境影响更小的航线。

67、油耗和风险降低：在涡旋环境和流体动力环境的测试中，本发明算法规划的路径不仅长度更短，而且航向改变次数减少，意味着在实际应用中能够有效减少油耗和航行风险。

68、实用性强：本发明算法适用于不同的海洋环境，无论是简单的静态障碍物环境还是包含复杂海洋现象的环境，都能够提供有效的路径规划，具有较强的实用性和广泛的应用前景。