改进蚁群算法解决UUV集群任务规划问题

针对水下无人航行器(UUV)集群在有限续航力和负载约束条件下求解广泛且稀疏分布区域勘察任务规划问题时常规算法存在收敛性差、解质量不高的不足,提出了一种改进的蚁群优化算法。首先,通过分析个体UUV平台能力和集群任务的约束条件,建立UUV集群任务规划的约束模型和优化模型;其次,基于任务点间距离与平均距离之差设计初始信息素浓度的非均等分配方法,提出优化模型的最佳与最差阈值对蚂蚁进行分类并对应完成信息素更新,在状态转移规则中创新加入可随迭代进程动态改变的“引力系数”来增加算法前中期次优节点被选中的概率;再次,设置对照统计实验完成算法优化项的有效性分析,依据最优解出现的次数和平均收敛值优化算法参数;最后,以经典文献案例仿真,对比分析基本蚁群算法、精英蚁群算法与提出算法,相较于前两种算法,算法在50次统计实验中找到近似最优解的百分比分别提升78%和66%,平均在第40代实现收敛,表明出很好的全局寻优能力和收敛性能。通过设计具有一定规模的UUV集群任务规划典型案例,验证了算法求解UUV集群广泛且稀疏分布区域任务规划问题的快速性和有效性。

基于有限状态机的UUV集群围捕策略研究

针对无人水下航行器(UUV)集群围捕策略问题,提出了一种基于有限状态机的UUV集群围捕策略。首先根据UUV的运动学模型建立了一种基于阿波罗尼斯圆的UUV集群围捕模型,针对UUV集群是否对目标UUV形成包围圈进行讨论,对目标的逃逸策略进行了设计。综合上述研究,提出了基于有限状态机的UUV集群围捕策略,根据目标UUV所处的状态,设计各围捕者的状态转移规则,并通过仿真验证了围捕策略的有效性。仿真结果表明,设计的UUV集群围捕策略可应用于无人水下航行器的围捕任务。