基于深度强化学习的无人船路径规划研究
发布时间：2022-02-26 15:50
无人船具有广阔的应用前景,自主路径规划作为其关键技术,已在无人船研究领域中发展成为热点研究方向。结合人工智能理论方法,本文开展基于深度强化学习的无人船路径规划研究,解决未知复杂航行环境下的无人船自主航路规划问题。首先,在开阔水域中,通过对环境进行无人船安全范围的区域划分和视觉可视剪枝技术,并结合Theta*理论生成足够稀疏的全局最优航路点。进一步,在复杂的狭窄水域中,将精英和多样化策略融入遗传算法,设计了能够生成稀疏航路点的精英遗传算法。进一步部署了B样条技术,以进行灵活平滑的插值,从而得到由最佳稀疏路点组成的平滑路径。其次,在不可预见的情况下,为具有运动学约束的无人船创建了一种结合了全局路径规划和局部层次结构的运动学约束的全局-局部混合路径规划方案。为了应对动态不可预见的环境,通过模糊决策层和精细动态窗口层建立了局部分层结构,分别通过控制前向和艏摇角速度来分别负责避免大范围和近距离碰撞。借助于精细动态窗口层,与无人船有关的受约束的运动学将融入到局部路径规划中,进而得到一条可跟踪且避免碰撞的局部路径。同时,设立虚拟航路点使局部路径和全局路径无缝衔接。从而为整个混合路径规划方案做出贡献。...
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
图１．１本文各章节间的逻辑关系??Ｆｉｇ．?１．１?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｏｆ?ｅａｃｈ?ｃｈａｐｔｅｒ?ｉｎ?ｔｈｉｓ?ｐａｐｅｒ??
?大连海事大学硕士学位论文???＾＿＿＿ｐ］／＿??，??■麵■■路径１?■?路径２??图２．１?ＬＯＳ算法示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ＬＯＳ?ａｌｇｏｒｉｔｈｍ??路径１：此时，Ｔｈｅｔａ＊和Ａ＊所做的相同。对于中间点尸，有两部分需要计算。从起??点凡到中间点Ｐ的距离和从Ｐ到，的直线距离｜｜ｐ－，｜｜，得到一个值??路径２：这一部分中，Ｔｈｅｔａ＊还需要考虑中间点夕的父节点加入到距离的??计算中。同样，存在两部分。从起点凡到的距离和若／？’能“看??到腳／？时，计算与／；＇的直线距离，得到一个值扣（／；》＋??＼＼ｐａｒｅｎｔ（ｐ）￣ｐ＇＼＼?〇??从图中，根据三角形不等式，可以很明显看出路径２的长度比路径１要短，此时??Ｔｈｅｔａ＊就会更新以及／＞＇的父节点。??２．?１．３粒子群算法??粒子群算法？］属于启发式算法的一种。该算法自提出以来，已经广泛使用在各个领??域中。粒子群算法是通过每个粒子对自我和社会的认知来实现最优解的。??在粒子群算法中，求解的对象是个体，而它们的更新方式如下：??ｖｒ．?［ｋ］?＝?ｗｖ（．?（Ａ：?－１）?＋?ｃ，?（ｐｂｅｓｔｉ?－ｘ，．?（Ａ：?－１））?＋?ｃ２?＾ｇｂｅｓｔ?－?ｘ．?［ｋ?－１））?（２．２）??其中，表示第／个粒子在々时刻具有的速度，ｗ为惯性参数，Ｃｌ为粒子自我认知能??力，表示第／个粒子的历史最优值，为第／个粒子在灸－１时刻的位置，ｃ２??为粒子的社会认知能力，ｇ如对表示群体所有粒子的历史最优值。??－６?－??
?大连海事大学硕士学位论文???当惯性系数为０时，粒子将会因失去记忆能力而收敛到当前位置；若粒子的自我认??知能力为０，虽然能够在群体的作用下收敛，但非常容易出现局部最优；若粒子的社会??认知能力为０，则会断绝与群体的联系进行自我搜索，这样会使得群体发散无法收敛。??２．?１．４遗传算法??遗传算法［２９］由Ｈｏｌｌａｎｄ在２０世纪６０年代提出，并在７０年代发表的通过对“优胜??劣汰”的自然选择规律与遗传学中的染色体匹配机制相结合得到的寻优模型。其实质是??一种在解空间中搜索与环境最匹配的自适应方法。??初代种群通过采取随机生成的方式得到，此时它们开始遵循由我们设定的选择规律??进行繁衍，从而不断演化得到最优解。在选择过程中设计问题导向的适应度函数，同时??使用遗传学中染色体的交叉与变异操作来进行代代相传。??选择算子：选择算子的主要目的是将好的解保留并遗弃不好的解，保持群体的大小??恒定。选择算子通过个体与总体适应值的占比确定生存概率再使用轮盘选择的方式得到??下一代。之后，将选出来的个体，再送入到交叉和变异算子中，得到后代。??交叉算子：该算子是遗传算法的核心机制，它能对个体进行基因重组以获得更好的??后代。交叉机制如图２．２所示，从群体中随机选择两个父本，并且随机生成两个交叉点，??个体基因的某些部分在两个交叉部分之间交换以创建新的个体。??ｗ?交叉点?，，??父本?１?｜?４５?１＾?｜?Ａ?１?＾?６７??＾?１?｜??后代１?４５?５６?．．．?１７?６７??后代２?２３?７８?．．．?２３?９??图２．２交叉过程??Ｆｉｇ，?２．２?Ｃｒｏｓｓｏｖｅｒ?ｐｒｏｃｅｓｓ??－７?－??
本文编号：3644736
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
图１．１本文各章节间的逻辑关系??Ｆｉｇ．?１．１?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｏｆ?ｅａｃｈ?ｃｈａｐｔｅｒ?ｉｎ?ｔｈｉｓ?ｐａｐｅｒ??
?大连海事大学硕士学位论文???＾＿＿＿ｐ］／＿??，??■麵■■路径１?■?路径２??图２．１?ＬＯＳ算法示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ＬＯＳ?ａｌｇｏｒｉｔｈｍ??路径１：此时，Ｔｈｅｔａ＊和Ａ＊所做的相同。对于中间点尸，有两部分需要计算。从起??点凡到中间点Ｐ的距离和从Ｐ到，的直线距离｜｜ｐ－，｜｜，得到一个值??路径２：这一部分中，Ｔｈｅｔａ＊还需要考虑中间点夕的父节点加入到距离的??计算中。同样，存在两部分。从起点凡到的距离和若／？’能“看??到腳／？时，计算与／；＇的直线距离，得到一个值扣（／；》＋??＼＼ｐａｒｅｎｔ（ｐ）￣ｐ＇＼＼?〇??从图中，根据三角形不等式，可以很明显看出路径２的长度比路径１要短，此时??Ｔｈｅｔａ＊就会更新以及／＞＇的父节点。??２．?１．３粒子群算法??粒子群算法？］属于启发式算法的一种。该算法自提出以来，已经广泛使用在各个领??域中。粒子群算法是通过每个粒子对自我和社会的认知来实现最优解的。??在粒子群算法中，求解的对象是个体，而它们的更新方式如下：??ｖｒ．?［ｋ］?＝?ｗｖ（．?（Ａ：?－１）?＋?ｃ，?（ｐｂｅｓｔｉ?－ｘ，．?（Ａ：?－１））?＋?ｃ２?＾ｇｂｅｓｔ?－?ｘ．?［ｋ?－１））?（２．２）??其中，表示第／个粒子在々时刻具有的速度，ｗ为惯性参数，Ｃｌ为粒子自我认知能??力，表示第／个粒子的历史最优值，为第／个粒子在灸－１时刻的位置，ｃ２??为粒子的社会认知能力，ｇ如对表示群体所有粒子的历史最优值。??－６?－??
?大连海事大学硕士学位论文???当惯性系数为０时，粒子将会因失去记忆能力而收敛到当前位置；若粒子的自我认??知能力为０，虽然能够在群体的作用下收敛，但非常容易出现局部最优；若粒子的社会??认知能力为０，则会断绝与群体的联系进行自我搜索，这样会使得群体发散无法收敛。??２．?１．４遗传算法??遗传算法［２９］由Ｈｏｌｌａｎｄ在２０世纪６０年代提出，并在７０年代发表的通过对“优胜??劣汰”的自然选择规律与遗传学中的染色体匹配机制相结合得到的寻优模型。其实质是??一种在解空间中搜索与环境最匹配的自适应方法。??初代种群通过采取随机生成的方式得到，此时它们开始遵循由我们设定的选择规律??进行繁衍，从而不断演化得到最优解。在选择过程中设计问题导向的适应度函数，同时??使用遗传学中染色体的交叉与变异操作来进行代代相传。??选择算子：选择算子的主要目的是将好的解保留并遗弃不好的解，保持群体的大小??恒定。选择算子通过个体与总体适应值的占比确定生存概率再使用轮盘选择的方式得到??下一代。之后，将选出来的个体，再送入到交叉和变异算子中，得到后代。??交叉算子：该算子是遗传算法的核心机制，它能对个体进行基因重组以获得更好的??后代。交叉机制如图２．２所示，从群体中随机选择两个父本，并且随机生成两个交叉点，??个体基因的某些部分在两个交叉部分之间交换以创建新的个体。??ｗ?交叉点?，，??父本?１?｜?４５?１＾?｜?Ａ?１?＾?６７??＾?１?｜??后代１?４５?５６?．．．?１７?６７??后代２?２３?７８?．．．?２３?９??图２．２交叉过程??Ｆｉｇ，?２．２?Ｃｒｏｓｓｏｖｅｒ?ｐｒｏｃｅｓｓ??－７?－??
本文编号：3644736
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3644736.html
