应用于潜艇路径规划的自适应栅格颗粒度蚁群算法.pdf

《应用于潜艇路径规划的自适应栅格颗粒度蚁群算法.pdf》由会员分享，可在线阅读，更多相关《应用于潜艇路径规划的自适应栅格颗粒度蚁群算法.pdf（10页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010485839.4 (22)申请日 2020.06.01 (71)申请人 北京中安智能信息科技有限公司 地址 100089 北京市海淀区玲珑路9号院东 区8号楼8层808 (72)发明人 陆桦 (74)专利代理机构 南京禾易知识产权代理有限 公司 32320 代理人 师自春 (51)Int.Cl. G06N 3/00(2006.01) G01C 21/20(2006.01) (54)发明名称 一种应用于潜艇路径规划的自适应栅格颗 粒度蚁群算法 (57)摘要 本发明涉及一。

2、种应用于潜艇路径规划的自 适应栅格颗粒度蚁群算法， 步骤包括： 定位敌方 探测声呐， 建立航行域平面内离散点与探测概率 的对应关系； 根据潜艇航程起点终点坐标确定航 行域范围， 并按照初始颗粒度栅格化处理； 按照 细化等级递增的顺序遍历所有栅格， 计算各栅格 内探测概率的极差并细化栅格； 计算所有栅格的 中心点坐标并赋信息素初始值， 计算每个栅格的 路径方向概率度量； 经蚁群算法仿真迭代后， 对 有效路径的质量进行评估。 本发明依据敌方声呐 的探测概率分布梯度情况， 局部自适应地调整栅 格颗粒度， 且支持用户对局部海域进行栅格细 化， 从而大幅提高搜索路径质量计算的准确性和 高质量路径检出概率。

3、， 同时兼顾算法运行效率， 工程实用性高。 权利要求书2页 说明书5页 附图2页 CN 111738396 A 2020.10.02 CN 111738396 A 1.一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法， 其特征在于， 包括如下步 骤： 步骤一， 定位敌方探测声呐， 获得特定深度航行域平面内分布离散点探测概率矩阵， 建 立离散点与探测概率的对应关系； 步骤二， 根据潜艇航程起点终点坐标， 确定航行域范围， 并在航行域内按照初始颗粒度 栅格化处理， 按照细化等级递增的顺序遍历所有栅格， 计算各栅格内探测概率的极差并自 适应细化栅格， 直到已经历一定次数遍历或总栅格数达到容许上限； 。

4、步骤三， 计算栅格群中所有栅格的中心点坐标并赋信息素初始值， 计算每个栅格的路 径方向概率度量； 步骤四， 采用合适的蚁群算法进行仿真， 完成蚁群算法全部迭代后， 对有效路径的质量 进行评估。 2.根据权利要求1所述的自适应栅格颗粒度蚁群算法， 其特征在于： 步骤二中航行域内 按照初始颗粒度栅格化处理的具体方法为， 将航行域划分为N个初始栅格， 按照细化等级递 增的顺序遍历所有栅格， 计算每个栅格内部所有Pgi的极差 g， 与设定容许门限T判定； 若 g T， 则将该栅格进行 “田” 字四等分， 各子栅格细化等级均加1； 若 gT， 则将该栅格内部所 有Pgi的均值做为该栅格探测概率Pg， 重。

5、复此过程， 直到已经历一定次数遍历或总栅格数达 到容许上限。 3.根据权利要求1所述的自适应栅格颗粒度蚁群算法， 其特征在于： 步骤三中每个栅格 引入路径方向概率度量 j1/dj， 其中dj为该栅格距终点的距离。 4.根据权利要求1所述的自适应栅格颗粒度蚁群算法， 其特征在于： 步骤四中仿真计算 路径r的质量Rr采用代价函数表示， RraRr,p+bRr,l+cRr,x， 式中， Rr,p为归一化被探测概率度 量， Rr,l为归一化路径长度度量， Rr,x为归一化其它因素度量， a、 b、 c为三者的权重且a+b+c 1。 5.根据权利要求3所述的自适应栅格颗粒度蚁群算法， 其特征在于： 在每。

6、次迭代获得多条有效路径后， 将对信息素 进行更新， 路径历经的所有栅格处信息 素增量对于第k次迭代， 任一蚂蚁在当前栅格gu向允许路径的目标栅格gvi移动的 概率为： 其中， 目标栅格gvi为当前栅格gu处当前所有剩余可行路径的集合， 为信息素， 为路径 方向概率度量， 为信息素概率权重， 为方向概率权重。 6.根据权利要求1所述的自适应栅格颗粒度蚁群算法， 其特征在于： 步骤一中， 当探测 到多个敌方探测声呐环境时， 计算探测概率Pi的公式如下： 式中， k为探测范围包含离散点i的所有探测声呐的集合， Pik为当前声呐在离散点i的探 测概率。 权利要求书 1/2 页 2 CN 1117383。

7、96 A 2 7.根据权利要求2述的自适应栅格颗粒度蚁群算法， 其特征在于： 当粗颗粒度栅格无法 满足约束条件分布时， 在当前栅格划分的基础上， 进一步询问栅格细化区域及细化等级。 权利要求书 2/2 页 3 CN 111738396 A 3 一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法 技术领域 0001 本发明涉及路径规划领域， 尤其涉及一种应用于潜艇路径规划的自适应栅格颗粒 度蚁群算法。 背景技术 0002 在现代海战中， 潜艇隐蔽技术和快速机动的路径规划是占据有利形势的必要条 件。 蚁群算法由于其鲁棒性高和计算能力强， 越来越多地应用于潜艇的反探测路径规划中。 传统的蚁群算法在解决。

8、小范围的路径规划问题时能较快的搜索出最优或次优路径， 表现出 较好的应用效果。 但在实际作战和决策过程中， 随着空间范围和环境复杂度的增加， 该算法 常会面临以下两点不足， 在实际应用中受到限制： 0003 传统蚁群算法运行时间和路径质量及计算准确性的矛盾难以平衡。 在传统的均化 栅格颗粒度的方案下， 可航行域被均匀地划分为m*nN个栅格， 其计算复杂度近似为O(N)。 该方案能够准确运行的前提是每个栅格内部具有约束条件一致性， 例如敌方声呐的探测概 率分布必须较平坦， 此时计算单步探测概率方较为准确。 但真实情况常常是敌方声呐邻域 探测概率梯度大、 波动剧烈， 远场则相反， 尤其当有多个敌方。

9、声呐时， 探测概率分布情况则 更为复杂。 此时为了更准确地计算路径， 必须细化颗粒度， 这将使得N很大， 从而大大增加了 算法运行时间， 常常超过工程应用允许的范围。 0004 传统蚁群算法亦不支持用户针对局部海域进行栅格细化。 在实际作战时， 战场形 势瞬息万变， 海况环境错综复杂， 潜艇在航行时往往需要对某些重点海域进行栅格细化， 实 现更精细的领航。 传统蚁群算法由于采用一刀切的颗粒度方案， 显然无法满足该需求。 发明内容 0005 本发明的目的在于提供一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法， 该算法可以依据敌方声呐的探测概率分布梯度情况， 局部自适应地调整栅格颗粒度， 且支 。

10、持用户对局部海域进行栅格细化， 从而大幅提高搜索路径质量计算的准确性和高质量路径 检出概率， 同时兼顾搜索算法运行效率， 工程实用性高。 0006 为实现上述目的， 本发明的技术方案如下： 0007 一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法， 包括如下步骤： 0008 步骤一， 定位敌方探测声呐， 获得特定深度航行域平面内分布离散点探测概率矩 阵， 建立离散点与探测概率的对应关系； 0009 步骤二， 根据潜艇航程起点终点坐标， 确定航行域范围， 并在航行域内按照初始颗 粒度栅格化处理， 按照细化等级递增的顺序遍历所有栅格， 计算各栅格内探测概率的极差 并自适应细化栅格， 直到已经历一。

11、定次数遍历或总栅格数达到容许上限； 0010 步骤三， 计算栅格群中所有栅格的中心点坐标并赋信息素初始值， 计算每个栅格 的路径方向概率度量； 0011 步骤四， 采用合适的蚁群算法进行仿真， 完成蚁群算法全部迭代后， 对有效路径的 说明书 1/5 页 4 CN 111738396 A 4 质量进行评估。 0012 进一步地， 步骤二中航行域内按照初始颗粒度栅格化处理的具体方法为， 将航行 域划分为N个初始栅格， 按照细化等级递增的顺序遍历所有栅格， 计算每个栅格内部所有Pgi 的极差 g， 与设定容许门限T判定； 若 gT， 则将该栅格进行 “田” 字四等分， 各子栅格细化 等级均加1； 若。

12、 gT， 则将该栅格内部所有Pgi的均值做为该栅格探测概率Pg， 重复此过程， 直 到已经历一定次数遍历或总栅格数达到容许上限。 0013 进一步地， 步骤三中每个栅格引入路径方向概率度量 j1/dj， 其中dj为该栅格距 终点的距离。 0014 进一步地， 步骤四中仿真计算路径r的质量Rr采用代价函数表示， RraRr,p+bRr,l+ cRr,x， 式中， Rr,p为归一化被探测概率度量， Rr,l为归一化路径长度度量， Rr,x为归一化其它因 素度量， a、 b、 c为三者的权重且a+b+c1。 0015 进一步地， 在每次迭代获得多条有效路径后， 将对信息素 进行更新， 路径历经的 所。

13、有栅格处信息素增量对于第k次迭代， 任一蚂蚁在当前栅格gu向允许路径的目 标栅格gvi移动的概率为： 0016 0017 其中， 目标栅格gvi为当前栅格gu处当前所有剩余可行路径的集合， 为信息素， 为 路径方向概率度量， 为信息素概率权重， 为方向概率权重。 0018 进一步地， 步骤一中， 当探测到多个敌方探测声呐环境时， 计算探测概率Pi的公式 如下： 0019 0020 式中， k为探测范围包含离散点i的所有探测声呐的集合， Pik为当前声呐在离散点i 的探测概率。 0021 进一步地， 当粗颗粒度栅格无法满足约束条件分布时， 在当前栅格划分的基础上， 进一步询问栅格细化区域及细化等。

14、级。 0022 与现有技术相比， 本发明的有益效果包括： 0023 本发明较好地解决了蚁群算法运行时间和路径质量及计算准确性的冲突问题， 依 据敌方声呐探测概率梯度分布以及工程化应用所允许的计算时间， 将航行域栅格颗粒度进 行自适应的、 分区的、 多级的细化， 实现了搜索算法计算资源的优化配置， 最终使得算法可 以在较短时间内， 快速找到高质量的路径集， 而且路径质量计算相对准确； 0024 本发明支持用户针对局部海域进行栅格细化， 用户根据实际作战需求， 或者某些 粗颗粒度栅格不能满足约束条件分布时， 可以对重点海域进行栅格细化， 从而达到局部海 域路径精细规划的效果， 工程实用性较高。 附。

15、图说明 0025 为了更清楚地说明本发明实施例的技术方案， 下面将对实施例描述中所需要使用 的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例。 其中： 说明书 2/5 页 5 CN 111738396 A 5 0026 图1是本发明实施例一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法的流 程图； 0027 图2是传统蚁群算法的均化栅格颗粒度方案与本发明采用自适应栅格颗粒度方案 的局部允许路径示意图； 0028 图3是本发明实施例我方潜艇根据作战需求从A点转移至B点的路径图。 具体实施方式 0029 下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清。

16、楚、 完 整地描述， 显然， 所描述的实施例是本发明的一部分实施例， 而不是全部实施例。 基于本发 明中的实施例， 本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实 施例， 都应属于本发明保护的范围。 0030 图1示出本发明的一种应用于潜艇路径规划的自适应栅格颗粒度蚁群算法的流程 图， 该自适应栅格颗粒度蚁群算法包括以下步骤： 0031 步骤1： 对敌方探测声呐进行定位， 并基于我方对敌方探测声呐的性能分析， 获得 特定深度航行域平面内、 特定合理暴露时间下的一定分布离散点探测概率矩阵P， 建立离散 点i坐标(xi,yi)和该离散点探测概率Pi对应关系。 0032 对于含有多。

17、个敌方探测声呐的环境， Pi的计算公式为： 0033 0034 式中， k为探测范围包含点离散点i的所有探测声呐的集合， Pik为当前声呐在离散 点i的探测概率。 0035 离散点密度的确定宜在满足计算用时的前提下尽可能稠密， 确保可以覆盖步骤2 中所有初始栅格， 并且允许按照声呐近场稠密、 远场稀疏的原则做不等距划分。 0036 步骤2： 根据我方潜艇航程起点终点坐标及周边环境， 确定航行域范围， 并在航行 域内按照初始颗粒度进行栅格化， 划分为m*nN个初始栅格。 初始颗粒度的选择以满足算 法计算时间为前提， 栅格较大， 例如mn15。 0037 步骤3： 按照细化等级递增的顺序遍历所有栅。

18、格g， 计算各栅格内部所有Pgi的极差 g， 其中 gPgi,max-Pgi,min， 与设定容许门限T(例如T0.2)进行比较， 若 gT， 则将该栅 格进行 “田” 字四等分， 各子栅格细化等级均加1； 若 gT， 则将该栅格内部所有Pgi的均值做 为该栅格探测概率Pg。 重复此过程， 直到总栅格数达到容许上限Nmax(例如Nmax2000)， 或者 已经历M次遍历， 例如M3， 此时最高允许细化等级即为M， 结束此过程。 0038 值得说明的是， 若某细化栅格内找不到任何Pgi， 则取其父栅格内部所有Pgi的均值 做为该细化栅格的探测概率Pg。 容许门限T根据用户对计算准确性需求而定， 。

19、准确性需求越 高， 设置数值越小， 通常参考范围在0.10.5之间。 容许上限根据系统实时性要求设置， 实 时性要求越高， 设置数值越小， 通常设置在5000以内。 0039 步骤4： 在当前栅格划分的基础上， 用户根据实际作战需求， 或者某些粗颗粒度栅 格不能满足约束条件分布时， 可以对重点海域执行进一步的栅格细化， 提高路径清晰度。 若 用户无此需求， 该过程可省略。 至此， 系统将获得航行域最终栅格划分方案， 记为栅格群G。 0040 步骤5： 对栅格群G的参数进行初始化计算。 对栅格群G中所有栅格gj， 求出其中心 说明书 3/5 页 6 CN 111738396 A 6 点坐标(Xj。

20、,Yj)， 并赋信息素初始值 j(0)， 例如 j(0)均等于1； 引入路径方向概率度量 j， 此 时需计算每个栅格的j， j1/dj， dj为该栅格距终点的距离。 0041 不同于均化栅格颗粒度的传统方案， 蚂蚁在任一栅格gj的允许路径不再是常规固 定8个方向， 而是凡是与该栅格有公共边或公共顶点的栅格， 均为其允许路径， 可以多于或 者少于8个方向。 0042 图2展示了传统蚁群算法的均化栅格颗粒度方案与本发明采用自适应栅格颗粒度 方案的两种不同栅格算法的局部允许路径示意图， 箭头所指为允许路径。 为了节省搜索算 法的路径计算时间， 栅格初始化还需事先为每个栅格建立允许路径链表。 0043。

21、 步骤6： 采用合适的蚁群算法进行仿真。 例如， 设定蚂蚁数量A100， 迭代次数L 50， 路径r的质量用代价函数Rr表示， 如下式所示： 0044 RraRr,p+bRr,l+cRr,x (2) 0045 式中， Rr,p为归一化被探测概率度量， 为当前路径的累计被探测概率按某一合理常 量归一化的度量值； Rr,l为归一化路径长度度量， 为当前路径的长度按某一合理常量归一化 的度量值； Rr,x为归一化其它因素度量， 如节点拐角和值、 路径海况评估等， 需根据实际需求 给出合理评估。 a、 b、 c为三者的权重且a+b+c1。 Rr值越小则路径质量越高。 0046 在每次迭代获得多条有效路。

22、径后， 将对信息素 进行更新， 路径历经的所有栅格处 信息素增量 0047 对于第k次迭代， 任一蚂蚁在某栅格gu向允许路径的目标栅格gvi移动的概率为： 0048 0049 式中， 目标栅格gvi为当前栅格gu处当前所有剩余可行路径的集合， 为信息素， 为 路径方向概率度量， 为信息素概率权重， 为方向概率权重。 0050 迭代的终止条件可以根据情况设定， 本发明采用所有蚂蚁到达最终状态， 即行至 终点或止步于某栅格。 0051 步骤7： 完成算法的全部迭代过程后， 对所有有效路径的质量R进行评估， 并完成决 策。 0052 必要时需要调整算法参数以期达到更好的搜索效果， 亦可以对最终路径进。

23、行一定 的平滑使其更适合实际航行。 0053 图3示出了本发明实施例我方潜艇根据作战需求从A点转移至B点的路径图， 在可 航行域中探明三处敌方声呐并算出组合探测概率分布， 另有两处暗礁需要躲避。 我方拟采 用蚁群算法尽快搜索最佳的航行路径， 且要求路径质量计算尽可能准确。 对于暗礁周边海 域， 我方要求一律进行2级细化栅格， 以提高路径清晰度。 A点和B点之间的画线为质量最高 的有效路径， 对于路径质量评估， 如图中黑线所示， 采用更重隐蔽性的最优路径质量R1评 估， 其中权重a0.8， 权重b0.2， 权重c0； 如图中白线所示， 采用隐蔽性经济性兼重的最 优路径质量R2评估， 其中权重a0。

24、.5， 权重b0.5， 权重c0。 0054 采用本发明提出的自适应栅格颗粒度方案， 设定最高细化级别为2， 以及均化栅格 颗粒度方案， 包括原始栅格、 均1级细化、 均2级细化， 对matlab平台的算法运行时间、 路径质 说明书 4/5 页 7 CN 111738396 A 7 量、 计算准确性等运行结果进行综合比对， 结果如表1所示。 最终， 经自适应栅格颗粒度方案 得到两种质量评估最高的路径。 0055 本发明较好地解决了蚁群算法运行时间和路径质量及计算准确性的冲突问题， 且 支持用户针对局部海域进行栅格细化， 工程实用性高。 0056 表1展示了案例例程采用不同栅格算法在matlab。

25、平台运行结果： 0057 0058 表中， 均2级细化的栅格算法计算结果最优， 路径质量最高， 计算准确性(有效路径 历经的栅格均采用内部最大探测概率Pmax和均采用内部最小探测概率Pmin所求代价函数R 的差值绝对值， 多次统计取平均)也最优， 但是算法运行时间很长， 工程化应用受到限制。 0059 均1级细化或原始栅格运行时间大幅缩短， 但计算结果也迅速变差， 尤其是原始栅 格， 其计算准确性太差， 所获路径的质量可信度和清晰度均很低， 不予采纳。 0060 本发明的自适应颗粒度栅格算法， 虽然栅格初始化的计算时间稍长， 但算法总运 行时间介于原始栅格和均1级细化之间， 且计算结果接近均2。

26、级细化。 0061 因此， 案例例程的运行结果充分表明， 本发明的自适应颗粒度栅格算法， 可以在很 大程度上优化后续蚁群算法在搜索过程中的资源配置， 使得搜索过程事半功倍， 有助于实 际工程应用。 0062 以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围并不局限于此， 任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内， 可轻易想到各种等效的修改或替 换， 这些修改或替换都应涵盖在本发明的保护范围之内。 因此， 本发明的保护范围应以权利 要求的保护范围为准。 说明书 5/5 页 8 CN 111738396 A 8 图1 图2 说明书附图 1/2 页 9 CN 111738396 A 9 图3 说明书附图 2/2 页 10 CN 111738396 A 10 。