基于精英族系遗传算法的AUV集群路径规划

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。     

多AUV水下协作搜索研究现状与展望

随着各国对海洋研究的不断深入，海上作业越来越频繁，作为探索海洋的重要工具，自治水下机器人（autonomous underwater vehicle，AUV）在海事搜索方面的发展也越来越受到关注。多AUV协作搜索控制作为多AUV研究的主要方向之一，在促进海洋科学与工程技术进步、海洋资源探测与开发、国家海防安全与海洋战略实施等方面有着十分重要的意义。首先，综述了近些年来多AUV协作搜索控制的国内外研究现状；然后，从AUV自身和环境的外界约束，以及海洋探测等方面，分析了多AUV水下协作搜索控制研究所面临的技术难点和存在的问题；最后，通过分析当前多AUV协作搜索控制的进展和实际需要，对多AUV协作搜索系统的发展趋势进行了探讨。