1、2023 年第 36 卷第 3 期Electronic Sci.Tech./Mar.15，2023h t t p s:/j o u r n a l.x i d i a n.e d u.c n收稿日期:2021-08-26基金项目:国家自然科学基金(62001136)National Natural Science Foundation of China(62001136)作者简介:孙鹏娜(1997 )，女，硕士研究生。研究方向:无人船路径规划及动态避障算法。张忠民(1972 )，男，博士，副教授。研究方向:现代数字通信系统、数字信号处理。基于蚁群算法的无人船平滑路径规划孙鹏娜，张忠民(哈尔滨工
2、程大学 信息与通信工程学院，黑龙江 哈尔滨 150001)摘要为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题，文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模，通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素，提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准，设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理，进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知，与传统算法相比，文中改进蚁群算法的路径寻优速度提高了 45%62%，转
3、向次数减少了 25%44%，平滑处理后的路径安全性和可行性得到了提升，较好地实现了不同环境下无人船自主路径规划。关键词蚁群算法;无人驾驶船舶;路径规划;路径平滑;栅格地图;静态避障;启发函数;B 样条曲线中图分类号TP273 5文献标识码A文章编号1007 7820(2023)03 014 07doi:10.16180/ki.issn1007 7820.2023.03.003Path Planning and Smoothing for Unmanned Surface Vehicle Basedon Improved Ant Colony OptimizationSUN Pengna，ZHA
4、NG Zhongmin(College of Information and Communication Engineering，Harbin Engineering University，Harbin 150001，China)AbstractIn view of the problems of USV path planning in complex environment，such as large steering angle，many turning points，and high energy consumption，a path planning and smoothing me
5、thod based on improved antcolony optimization is proposed The method adopts the grid method for environmental modeling，and improves thepath optimization and static obstacle avoidance ability by introducing the path smoothness and distance heuristic factorinto the heuristic function and introducing t
6、he obstacle heuristic factor into the path transition probability Combinedwith heuristic factors，the pheromone update standard is improved，and the adaptability of the algorithm to increasethe volatile factor of pheromone can be adjusted And then the key nodes of the optimal path are extracted andsmo
7、othed to further guarantee path smoothness and security According to the simulation results of obstacle avoidanceunder different grid map，compared with the traditional ACO，the path optimization speed of improved ACO is in-creased by 45%62%，and the steering times of path is reduced by 25%44%Moreover，
8、the path security andfeasibility after smoothing are improved The above results show that the autonomous path planning of USV in differ-ent environments is realizedKeywordsant colony algorithm;unmanned surface vehicle;path planning;path smoothing;grid map;collisionavoidance;heuristic function;B spli
9、ne curve无人驾驶船(Unmanned Surface Vehicles，USV)与传统人工驾驶船舶相比，具有高速化、智能化以及模块化等优点1。无人船可以代替人工驾驶船舶执行某些特殊危险的任务，降低了人力成本。其还能够长时间航行，有效规避疲劳驾驶的风险等优点，因此具有良好的军事及经济价值2。在复杂多变的水面环境中，为了保证无人船能够安全航行，规划一条路径较短、路线平滑、安全度高的航行路径至关重要3 4。在智能启发式算法中，蚁群算法更为稳定、可靠，故被广泛应用于寻找最优解。但该算法也存在收敛性差、搜索盲目、易收敛到次优解等问题。近些年，国内外对蚁群算法进行改进优化并应用于路径规划中，取得了
10、一定的成果。文献 5 提出了一种融合粒子群和蚁群算法的路径规划算法，有效提高了初期寻径和全局搜索能力，减少了收敛迭代次数并缩短搜索使用时间。文献 6 提出基于路程因素、路平滑因素及高度平缓因素的启发函数和信息素更新机制，改进算法具有较好的全局搜41孙鹏娜，等:基于蚁群算法的无人船平滑路径规划Electronic Science and Technologyh t t p s:/j o u r n a l.x i d i a n.e d u.c n索能力及收敛性。文献 7 采用初始信息素不均匀分配、引入权重因子和改进蚁群信息更新规则，规划出平滑的全局路径。文献 8 为提高蚁群算法的动态避障能力，
11、提出了一种基于模糊逻辑和蚁群算法的路径规划策略，搜索路径较短，获得了较好的效果。文献 9在启发函数和信息素更新机制中融合 A*算法和狼群分配原则，改进的蚁群算法具有较好的收敛性和可靠性。结合近些年蚁群算法的改进方法和蚁群算法在规划路径时存在的问题，本文进行了以下改进:提出了基于路径总长度、路径转弯次数以及自适应距离因子的改进启发函数;结合路径平滑性因素和自适应更新策略的信息素的更新标准，引入了障碍物因子的路径转移概率，并对输出的最优路径进行平滑处理，从而提高路径搜索能力、增加算法的收敛性和路径的安全性。1传统蚁群算法原理蚂蚁根据启发函数的引导、路径上的信息素浓度强弱以及当前节点状态的转移概率大
12、小来实现路径的搜索10 11。1.1转移概率的选择当蚂蚁 k 位于当前栅格 i 选择下一步行进方向时，会根据当前各条路径上的信息素浓度 i，j(t)及启发函数 i，j(t)来决定下一步路径，路径转移概率为pki，j(t)=i，j(t)i，j(t)ksallowedi i，j(t)i，j(t)k，j allowedi0，j allowedi(1)式中，表征信息素重要程度，其值与算法的全局搜索能力有关;表示启发函数重要程度，其值的大小影响蚂蚁选择下一步相邻栅格;allowedi表示蚂蚁 k 可选择的下一步可行栅格集合。i，j(t)通常与两栅格中心的欧氏距离成反比。栅格 i、j 的距离 d 越小，则
13、选该路径的启发函数就越大。i，jt()=1d(i，j)(2)1.2信息素更新方式蚂蚁在行进过程中会留下信息素，用来为其他蚂蚁提供指向信息。在蚁群的正反馈机制下，路径上的信息素浓度强弱与吸引蚂蚁数量成正比12。目前蚁群算法中常用的信息素更新机制为蚁周模型，且信息素的分布只于路径长度有关，更新方式如下i，jt+1()=1 ()i，jt()+i，jt，t+1()(3)ki，jt()=Q/Lk，i，j visitedt，gk0，other(4)通常设置初始信息素为i，j0()=C(5)式中，是信息素挥发系数，一般取 1;Q 是信息素常数;Lk为蚂蚁 k 在本次迭代中走过的路径长度;C 为常数。下文在此
14、基础上改进信息素更新方式。2改进蚁群路径规划算法2.1改进启发函数和转移概率由式(2)可以看出，传统蚁群算法中启发式函数只与路径长度有关，而在实际的路径规划过程中，评价路径优劣不能只考虑与路径长度因素，路径的平滑程度、自适应距离启发因子、算法运行时间等都是路径的评价标准。因此本文从路径总长度、路径的平滑程度、自适应距离启发因子等方面对启发函数进行改进，改进方法如式(6)所示。i，jt()=r(i，j，g)+i，jt()(6)2 1 1路径长度因素传统蚁群算法的启发函数与当前栅格到待走栅格之间的距离有关，本文提出的路径长度因素与待走栅格到目标栅格以及待走栅格到起始栅格之间的距离因子有关。引入距离
15、函数 r(i，j，g)，其定义如下ri，j，g()=dmax dj，g()()dj，g()dmin+0 001+(s，j，g)(7)(s，j，g)=1a ds，j()+b dj，g()(8)dmax=max dm，g(9)dmin=min dm，g(10)m=1，2，card(allowedi)(11)式中，dmax、dmin是当前蚂蚁 k 下一步可选择的所有栅格中心到目标栅格中心的最大、最小距离;(s，j，g)表示表示待走栅格 j 的中心到起始栅格和目标栅格中心的距离启发因子;a、b 是距离系数;是距离启发信息系数;d(s，j)和 d(j，g)分别表示下一个可行栅格 j 到起始栅格和目标栅格
16、中心的欧氏距离。2 1 2路径平滑度因素考虑到无人船的实际行驶情况，当规划路径转弯次数尽可能少，转弯角度也尽可能小13，且路径更加平滑时，可提高路径行驶的安全性。因此，本文引入平滑性启发函数，如式(12)所示。i，jt()=，Dv，it()=Di，jt()1 ()/allowedi，Dv，it()Di，jt()(12)51Electronic Science and Technology孙鹏娜，等:基于蚁群算法的无人船平滑路径规划h t t p s:/j o u r n a l.x i d i a n.e d u.c n式中，为路径平滑系数;是表征直行重要程度的系数;Dv，j(t)表示蚂蚁上一步行走的转向方向;Di，j(t)表示下一步待走的转向方向。如果当前转向与上次转向相同，即当前路径为直线行走时，平滑性启发函数大，从而指引蚂蚁沿直线行走，减少了不必要的路径转弯次数。2.2改进转移概率传统算法中的路径转移概率只考虑了待走栅格与目标栅格之间的距离启发因子，忽略了待走栅格与障碍栅格之间的距离启发信息。因此本文在转移概率中引入了障碍物启发函数，改进后的路径转移概率为pki，j(t)=i，j
