基于多目标PSO-ACO 融合算法的无人艇路径规划

打开文本图片集

摘要： 【目的】针对河蟹养殖过程中，水位变化以及无人艇路径规划算法收敛慢、精度低的问题，为提高算法适应性与寻优能力， 提出一种多目标粒子群−蚁群融合的无人艇路径规划算法。【方法】首先，分析蟹塘环境及养殖规律等因素，建立静态水深栅格环境模型；其次，针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题，通过对惯性参数与学习因子的非线性调整，提出基于多目标的改进粒子群算法（Particle swarm optimization， PSO）；然后，调整蚁群算法的初始信息素，并对蚁群算法的信息素挥发因子和启发期望函数自适应改进，提出自适应优化蚁群算法（Ant colony optimization， ACO）；最后，为解决单一算法寻优不足，利用融合PSO-ACO 算法，实现无人艇多目标全局路径规划。（剩余1727字）