买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种限定方向编码的遗传算法连续搜索路径规划方法，旨在解决目标搜索路径规划领域现有方法存在的搜索成功率不高、路径不连续、路径长度较长、路径点间转移时间消耗大等问题。该方法主要包括以下步骤：改进基因编码方式，以路径点间的变换方向而非直接以路径点为基因，设计边缘返回机制；限定路径点间的变换方向为指定栅格概率方向，避免路径点延伸的随机性过大；使用遗传算法进行迭代优化；实现相邻栅格的连续路径规划，减少路径点间横跨栅格的数量。仿真结果表明，本发明方法提高了搜索成功率、缩短了路径长度、减少了总体搜索时间，并提高了搜索资源的利用率，为救生艇筏器具制造等领域的搜索路径规划提供了一种新的解决方案。

主权项：1.考虑一种限定方向编码的遗传算法连续搜索路径规划方法，其特征在于，包括以下步骤：S1、构造静态目标模型；S2、设计概率图的负面信息贝叶斯更新方法；S3、构造种群矩阵与坐标汇总矩阵，初始化种群；S4、在此基础上，设置遗传算法的参数，并进行遗传算法的迭代与优化；S5、仿真验证所提方法有效性；其中，步骤S1具体如下：构造静态目标模型：离散化地图，将地图分为R×R个栅格R为正整数，栅格共R行，R列，由预先多重想定解构得初始目标位置概率图，每个栅格内的概率为目标位于该栅格内的概率；令栅格i,j为第i行、第j列的栅格；目标与搜索无人艇的个数均为1；其中，步骤S2具体如下：设计概率图的负面信息贝叶斯更新方法：将负面信息作为新的条件，使用贝叶斯定理更新概率图；贝叶斯公式如下： 式中，A、B均为事件，PAk、PAl分别为事件Ak、Al的概率，PB∣Ak、PB∣Al分别为事件Ak、Al条件下事件B的概率，PAk∣B为事件B条件下事件Ak的概率，n为事件A的所有个数；贝叶斯公式可将事件的条件与结论互相颠倒，求出颠倒了条件与结论的事件的概率；结合了具体场景的贝叶斯公式如下： 式中，预先P目标在i,j为预先目标在栅格i,j内概率，P未探测到|目标在i,j为目标在栅格i,j内条件下未探测到目标的概率，P目标在i,j∣未探测到为未探测到目标条件下目标在栅格i,j内的概率。被称为规范因子；令搜索失败的概率为： 则搜索成功的概率为1-S；令累积探测概率CumulativeDetectionProbability,CDP为搜索成功概率Pscs：Pscs＝1-S4使用单无人艇对单目标进行搜索；此方法的目的为，规划一条路径，使得当搜索无人艇沿着此路径运动时，搜索到目标的概率尽可能最大；令tint为相邻路径点间的时间间隔，假设无人艇运动时连续搜索，每一个路径点都位于栅格中心，且假设无人艇经过每个栅格所用的时间相等，则tint既是相邻路径点间的时间间隔，也是单次搜索时间，即无人艇经过一个栅格的时间；单次搜索概率Ps为目标在当前路径点所在栅格的上一个栅格的条件下，无人艇经过此栅格的时间内的搜索成功率；每过tint便记录一次搜索成功概率；其中，步骤S3具体如下：构造种群矩阵与坐标汇总矩阵，初始化种群：采用矩阵的思想管理数据；构造N×M的种群矩阵，其中N为种群规模，即种群中的染色体个数，M为单个染色体中的基因数，即染色体长度；此处一个个体对应一个染色体；同时构造N×2M+2的坐标汇总矩阵；令tpr为搜索的总时间，tint为单次搜索时间；将每一个路径作为一个染色体；传统方法将路径上的路径点作为基因，本方法将上一时刻与下一时刻路径点之间的变换方式作为基因；在种群矩阵圆阵中，此矩阵的每一行代表一个路径中路径点变换方式的序列；在坐标汇总矩阵椭圆阵中，此矩阵的每一行代表一个路径中路径点坐标的序列；为防止因随机度过大搜索无人艇移动至概率较小区域，相邻时刻的路径点间的变换方式设计如下：每个染色体中的基因值Np可以取[1,2,3,…,Mp]中的任意一个整数，其中Mp为正整数；如果基因值等于Np，则路径点变换方式为，下一时刻的路径点坐标为上一时刻路径点坐标所指栅格的周围相邻八个栅格中概率图更新后的概率第Np大的栅格的坐标；设计边缘返回机制：如果上一路径点在概率图的边缘栅格，那么下一路径点回到离上一路径点最近的非边缘栅格；如果路径点过多，则染色体长度过长，维数过高，这会导致种群数量与迭代次数的增加，使得优化速度变慢；此时，为了降低染色体长度，将它平均分为若干段，余数的基因组成最后一段，每一段对应一个新基因，这些新基因按原来的次序组成新的序列，作为代染色体；原染色体每一段的多个基因与对应的代染色体的新基因相同；使用代染色体代替原染色体进行选择交叉、变异，之后变换回原染色体；使用此技术可实现染色体降维；其中，步骤S4具体如下：设置遗传算法的参数，并进行遗传算法的迭代与优化：设置变异率、交叉率、迭代次数；每次迭代中，首先由种群矩阵计算坐标汇总矩阵；其次，计算每个染色体适应度的值；接着对染色体进行选择、变异、交叉操作，更新种群；如此迭代若干次后，找出更新若干次后的种群中的适应度最大的染色体，作为最优个体，计算其对应的路径，作为最优路径，并计算此路径对应的搜索成功概率，作出最优路径图与搜索成功概率图；将最后时刻的搜索成功概率作为适应度函数；对染色体进行交叉和变异操作，更新种群，迭代若干次后，选择最优染色体对应的路径作为最优路径；由种群矩阵计算坐标汇总矩阵的方法如下：通过上述定义的路径点间的变换方式，由每个染色体得到其对应的路径，进而得到坐标汇总矩阵；根据上一路径点坐标，通过概率图的负面信息的贝叶斯更新，更新概率图；在上一路径点周围八个栅格内找到概率前Mp大的栅格，由此处对应的基因值决定下一路径点的坐标；计算每个染色体适应度的值的方法如下：将路径最后时刻的搜索成功概率作为对应染色体的适应度函数；进行选择、变异操作的方法如下：选择操作采用轮盘赌法；为防止最优染色体遭到破坏，每轮迭代都首先选择最优染色体进入子代，同时移动相应的路径初始坐标到对应位置；其余染色体按轮盘赌法被选入子代，其相应的路径初始坐标被移动到对应位置；变异操作以一定的变异率，随机改变基因值成为[1,2,3,…,Mp]中的任意一个正整数。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种限定方向编码的遗传算法连续搜索路径规划方法