1.本发明属于水下滑翔机控制技术领域，具体涉及一种探测覆盖路径规划方法。
背景技术：2.水下滑翔机是一种新型的水下航行器，具有低能耗、低噪声等优点，可以搭载各钟传感器执行海洋观测，生物观测，海洋测绘等任务。此外，水下滑翔机也可搭载被动声呐进行区域探测以发现目标。合理的覆盖路径规划可显著提高区域的覆盖率和覆盖效率。多机器人覆盖路径规划方法已广泛运用在自主水下航行器、地面机器人、无人机等载体上，主要应用于区域探测、灾后搜救、3d结构检测等领域。
3.目前多数方法的应用前提是机器人的探测范围始终相同，以方便预先规划出路径点，遍历完所有路径点就可以覆盖完成整个区域。但是在海洋中，情况更为复杂。海水温度、盐度、深度、海底地形均会显著影响声呐的探测能力，区域内不同位置处的探测范围往往不同，很难预先规划路径点。
4.此外，尽管水下滑翔机的特点使得他十分适用于区域探测，但是其覆盖路径规划却较为复杂。一方面因为水下滑翔机在三维空间内锯齿状运动容易碰到海底；另一方面，水下滑翔机只能在水面卫星通信控制，在入水后无法通信，只能在入水前确定航行参数，入水后将会按照锯齿状轨迹航行，航行过程中无法控制，但是航行轨迹会直接影响探测区域。
技术实现要素：5.要解决的技术问题
6.为了解决复杂海洋环境下，不同位置处的探测效能即探测半径不同、水下滑翔机在三维空间运动容易触底、水下滑翔机的通信限制问题，本发明提出了一种基于蚁群算法的复杂海洋环境下多水下滑翔机区域探测覆盖路径规划方法。
7.技术方案
8.一种基于蚁群算法的多水下滑翔机探测覆盖路径规划方法，其特征在于步骤如下：
9.s1：建立栅格地图和栅格覆盖图模型；
10.整片区域离散为栅格地图，维数为m*n，m为行数，n为列数；使用栅格覆盖图表征当前水下滑翔机对整片海域的覆盖情况，其维数与栅格地图相同；定义t时刻，(x,y)栅格的状态为o
xy
(t)，x＝1,2,..,m,y＝1,2,...,n，栅格状态使用二进制编码；
11.s2：建立水下滑翔机单周期运动探测模型；
12.假设水下滑翔机的下潜俯仰角和上浮俯仰角相同都为θ，稳态滑翔速度为v；滑翔速度垂直速度vz和水平速度v
x
表示为：
[0013][0014]
水下滑翔机一周期滑翔运动的水平距离s与深度d和滑翔角θ有关，可按照下式计
算：
[0015][0016]
设定ti时刻水下滑翔机准备开始进行pi周期滑翔运动，水下滑翔机从pi(xi,yi)点入水，以航向角h滑翔一周期，出水时刻为t
i+1
，出水点为p
i+1
(x
i+1
,y
i+1
)，出水点和入水点满足以下关系：
[0017][0018]
水下滑翔机在整个滑翔周期均会进行探测，即其经过的路径点集合为pi(xi,yi)与p
i+1
(x
i+1
,y
i+1
)相连的直线；滑翔过程中均按照(1)式更新栅格覆盖状态；
[0019]
s3：将蚂蚁作为水下滑翔机的代理进行映射，确定优化问题和优化目标；
[0020]
cover
xy
(p)表示经过p周期后，区域的覆盖情况，由下式计算：
[0021][0022]
优化目标为m台水下滑翔机滑翔p周期后，最大化区域覆盖率pc，如下式所示：
[0023][0024]
s4：建立蚂蚁和水下滑翔机的映射关系，将单只蚂蚁与单个水下滑翔机对应，将多只蚂蚁和多个水下滑翔机对应；设计可行域、蚂蚁转移概率、局部逃离策略和信息素更新法则；
[0025]
s5：通过不断迭代收敛得到多个蚂蚁的路径，即水下滑翔机的探测覆盖路径。
[0026]
本发明进一步的技术方案：所述蚂蚁转移概率：
[0027]
每组蚂蚁中的第k只蚂蚁轮流选择下一步路径，k＝1,...m，第k只蚂蚁的在t时刻从栅格i转移到栅格j的概率为p
ijk
(t)，计算方式如下：
[0028][0029]
其中allowedk(t)为蚂蚁下一步可选择的栅格集合，即第k只蚂蚁t时刻的可行域；其中τ
kij
(t)表示t时刻栅格i和栅格j之间的信息素浓度；地图中存在m中信息素，与m只蚂蚁一一对应；第k只蚂蚁只受第k种信息素影响，蚂蚁走过栅格后会对信息素进行更新；
[0030]
η
ij
(t)为启发函数，表示蚂蚁从栅格i转移到栅格j的期望程度；假设t时刻蚂蚁处于栅格i，t+1周期蚂蚁处于栅格j，η
ij
(t)定义如下：
[0031][0032]
依次计算当前栅格点i与可行域内所有栅格s的转移概率，采用轮盘赌法选择蚂蚁下一步将要选择的路径点。
[0033]
本发明进一步的技术方案：所述局部逃离策略：
[0034]
当蚂蚁发现可行域内所有栅格的η
ij
(t)均为0时，表示蚂蚁无论怎么行走都无法探索到新的未被覆盖的栅格，此时蚂蚁陷入局部最优，按照下式调整航向：
[0035][0036]
其中hs表示可行域内所有可以选择的航向，h
tar
表示蚂蚁的目标航向，计算方式如下：
[0037][0038]
其中，(x
tar
,y
tar
)表示距离目前栅格最近的未被栅格，(x
t
,y
t
)表示蚂蚁的当前坐标；蚂蚁将按照目标航向前进，而不是依靠转移概率选择下一步栅格。
[0039]
本发明进一步的技术方案：所述信息素更新法则：
[0040]
迭代开始前，有路径上均存在初始信息素τ0；
[0041]
每次迭代过程中，每m只蚂蚁作为一个蚂蚁单元行走，具有相同的适应度；当w*m只蚂蚁都完成寻路后，对路径上的m种信息素进行更新；第k只蚂蚁只会影响第m种信息素；
[0042]
信息素更准则为：
[0043]
τ
kij
(t+1)＝(1-ρ)τ
kij
(t)+δτ
kij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0044]
其中τ
kij
(t+1)表示t+1时刻更新过后栅格i和栅格j之间的第k种信息素，τ
kij
(t)表示t时刻更新前栅格i和栅格j之间的第k种信息素；ρ为挥发性系数，δτ
kij
表示蚂蚁留下的信息素，计算方式如下：
[0045][0046]
其中q为常数，fitk表示第k只蚂蚁的适应度；适应度函数为蚂蚁行走完后p周期一共覆盖的栅格数量，计算方式如下：
[0047][0048]
过高或者过低的信息素会增加陷入局部最优的概率，为了避免这种情况，将信息素限制在定范围内，优化后的信息素更细更新规则如下：
[0049][0050]
其中，τ
min
为信息素的最小值，τ
max
为信息素的最大值。
[0051]
一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用
于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
[0052]
一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。
[0053]
有益效果
[0054]
本发明提供的一种基于蚁群算法的复杂海洋环境下多水下滑翔机区域探测覆盖路径规划算法。首先建立栅格地图和栅格覆盖图模型，作为算法执行的基础；其次建立水下滑翔机单周期运动探测模型；之后将蚂蚁作为水下滑翔机的代理进行映射，明确优化问题和优化目标；随后在传统蚁群算法的基础上重新设计可行域、蚂蚁转移概率、局部逃离策略、适应度函数和信息素更新法则；最终通过不断迭代收敛得到多个蚂蚁的路径，即水下滑翔机的探测覆盖路径。本发明解决了复杂海洋环境下，不同位置处的探测效能即探测半径不同、水下滑翔机在三维空间运动容易触底、水下滑翔机的通信限制的问题，为多台水下滑翔机规划出探测覆盖路径。和现有技术相比，其具有如下有益效果：
[0055]
1.本发明方法充分利用区域的探测效能来规划探测发覆盖路径，自适应区域探测半径得出探测覆盖路径，在保证高覆盖率的基础上提高覆盖速度。
[0056]
2.本发明方法可保障水下滑翔机运行安全，防止其容易触底发生事故。此外，算法满足水下滑翔机的通信约束，在下水前确定任务深度、俯仰角并满足航向变化角约束。
[0057]
3.本发明方法提出了多个水下滑翔机进行区域探测覆盖的协同策略。
附图说明
[0058]
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0059]
图1为本发明方法的蚂蚁可行域示意图。
[0060]
图2为本发明方法的算法收敛曲线图。
[0061]
图3为本发明方法的多水下滑翔机二维覆盖路径。
[0062]
图4为本发明方法的多水下滑翔机三维覆盖路径。
具体实施方式
[0063]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0064]
本发明具体实施方式包括以下步骤：
[0065]
步骤1：建立栅格地图和栅格覆盖图，建立探测覆盖模型：
[0066]
将整片区域离散为栅格地图，维数为m*n，m为行数，n为列数。使用栅格覆盖图表征当前水下滑翔机对整片海域的覆盖情况，其维数与栅格地图相同。定义t时刻，(x,y)栅格的状态为o
xy
(t)，x＝1,2,..,m,y＝1,2,...,n。栅格状态使用二进制编码，该栅格若被覆盖过，则为1；若未被覆盖过则为0。设t时刻k号滑翔机处于(x,y)栅格，则其探测范围如式所示：
[0067][0068]
其中：dis表示周围栅格与目前滑翔机所处栅格的欧氏距离，r
xy
表示栅格(x,y)处的探测半径。
[0069]
步骤2：建立水下滑翔机单周期运动探测模型：
[0070]
为了节约能耗，水下滑翔机不会携带水声通信设备，因此无法在水下通信。水下滑翔机只能在水面完成数据交互和任务参数设定，随后下潜执行任务。每次只能在预备下潜时控制滑翔参数，包含俯仰角θ，深度d，航向角h，之后水下滑翔机将会按锯齿状运动方式滑翔一周。期假设水下滑翔机的下潜俯仰角和上浮俯仰角相同都为θ，稳态滑翔速度为v。滑翔速度垂直速度vz和水平速度v
x
可以表示为：
[0071][0072]
水下滑翔机一周期滑翔运动的水平距离s与深度d和滑翔角θ有关，可按照下式计算：
[0073][0074]
设定ti时刻水下滑翔机准备开始进行pi周期滑翔运动，水下滑翔机从pi(xi,yi)点入水，以航向角h滑翔一周期，出水时刻为t
i+1
，出水点为p
i+1
(x
i+1
,y
i+1
)，出水点和入水点满足以下关系：
[0075][0076]
水下滑翔机在整个滑翔周期均会进行探测，即其经过的路径点集合为pi(xi,yi)与p
i+1
(x
i+1
,y
i+1
)相连的直线。滑翔过程中均按照(1)式更新栅格覆盖状态。
[0077]
步骤3：确定优化问题和优化目标：
[0078]
m台水下滑翔机可能会对同一栅格重复覆盖，只要有任意一台水下滑翔机覆盖了该栅格，即认为该栅格已被覆盖。cover
xy
(p)表示经过p周期后栅格的覆盖情况，由下式计算：
[0079][0080]
优化目标为m台水下滑翔机滑翔p周期后，最大化区域覆盖率pc，如下式所示：
[0081][0082]
步骤4：建立蚂蚁和水下滑翔机的映射关系，将单只蚂蚁与单个水下滑翔机对应，
将多只蚂蚁和多个水下滑翔机对应：
[0083]
将蚂蚁作为水下滑翔机代理，进行覆盖路径规划。水下滑翔机与蚂蚁的映射关系如下表：
[0084]
行为主体水下滑翔机蚂蚁移动空间栅格地图栅格地图可行域限制出水点集合邻近8栅格行为入水点到下一出水点转移下一个栅格目标覆盖率觅食
[0085]
在蚁群算法的基础上进行改进，以满足水下滑翔机的运动约束和优化目标。每次迭代采用w组蚂蚁，每组有m只蚂蚁，与m台水下滑翔机一一对应。蚂蚁的起始位置对应水下滑翔机的初始位置，蚂蚁的航向对应水下滑翔机的初始航向。
[0086]
步骤5：约束蚂蚁的可行域：
[0087]
传统的蚁群算法采用8邻域栅格作为下一周期的可行域，但是这不适用于水下滑翔机。一方面，水下滑翔机具有特殊运动轨迹，滑翔一周期的水平距离受俯仰角和深度共同影响，而二者都存在限制导致出水点受限；另一方面，水下滑翔机的机动能力较弱，无法完成大幅度转向，航向变化角存在约束。因此可行域为受限制的出水点集合。
[0088]
由(3)式可得到单周期水平距离与剖面深度和俯仰角的关系，俯仰角最大，深度最小时，单周期滑翔运动水平距离取到最小值s
min
，俯仰角最小，深度最大时，单周期滑翔运动水平距离取到最大值s
min
。
[0089]
pi周期的航向角为h，航向变化角为δh，则t
i+1
周期的航向角范围为h
i+1
∈[h
min
,h
max
]，航向角h定义为x轴的正方向夹角。
[0090]
其中：
[0091]hmin
＝h-δh/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0092]hmax
＝h+δh/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0093]
可行域为滑翔最大水平距离s
max
、滑翔最小水平距离s
min
、航向角h
i+1
，共同约束的扇形区域，水下滑翔机的下一次出水点将在如图1的扇形区域内。
[0094]
考虑到水下滑翔机的特殊的锯齿形运动轨迹，在滑翔过程中可能会触底发生危险，因此需要进一步约束可行域。根据水下滑翔机的运动模型，可计算出水下水下滑翔机的所有路经点。若路径点中某点深度大于地形深度，则该栅格被标记为不可到达点，从可行域中删除。受地形和转向限制，可行域可能为空，此时标记蚂蚁为死蚂蚁，适应度为-inf。
[0095]
步骤6：设计蚂蚁的转移概率
[0096]
每组蚂蚁中的第k(k＝1,2,...,m)只蚂蚁轮流选择下一步路径，第k只蚂蚁的在t时刻从栅格i转移到栅格j的概率为p
ijk
(t)，计算方式如下：
[0097][0098]
其中allowedk(t)为蚂蚁下一步可选择的栅格集合，即第k只蚂蚁t时刻的可行域。其中τ
kij
(t)表示t时刻栅格i和栅格j之间的信息素浓度。地图中存在m中信息素，与m只蚂蚁
一一对应。第k只蚂蚁只受第k种信息素影响，蚂蚁走过栅格后会对信息素进行更新。α表示信息素权重，越大蚂蚁越倾向与向信息素浓度高的地方行走，受之前蚂蚁的影响越大，反之越小。
[0099]
η
ij
(t)为启发函数，表示蚂蚁从栅格i转移到栅格j的期望程度。假设t时刻蚂蚁处于栅格i，t+1周期蚂蚁处于栅格j，η
ij
(t)定义如下：
[0100][0101]
其中，x＝1,2,...,m，y＝1,2,...,n,表示t+1时刻时覆盖的栅格数量，表示t时刻时覆盖的栅格数量，二者之差η
ij
(t)表示从栅格i转移到栅格j
[0102]
依次计算当前栅格点i与可行域内所有栅格s的转移概率，为了防止算法陷入局部最优，增加蚂蚁选择路径的随机性，采用轮盘赌法选择蚂蚁下一步将要选择的路径点。的未被探测的栅格数量。η
ij
(t)可以使得蚂蚁向着未被探索的栅格移动。
[0103]
步骤7：设计逃离局部最优策略
[0104]
当蚂蚁发现可行域内所有栅格的η
ij
(t)均为0时，表示蚂蚁无论怎么行走都无法探索到新的未被覆盖的栅格，此时蚂蚁陷入局部最优，按照下式调整航向：
[0105][0106]
其中hs表示可行域内所有可以选择的航向，h
tar
表示蚂蚁的目标航向，计算方式如下：
[0107][0108]
其中，(x
tar
,y
tar
)表示距离目前栅格最近的未被栅格，(x
t
,y
t
)表示蚂蚁的当前坐标。蚂蚁将按照目标航向前进，而不是依靠转移概率选择下一步栅格。
[0109]
步骤8，设计信息素更新法则：
[0110]
迭代开始前，有路径上均存在初始信息素τ0。
[0111]
每次迭代过程中，每m只蚂蚁作为一个蚂蚁单元行走，具有相同的适应度。当w*m只蚂蚁都完成寻路后，对路径上的m种信息素进行更新。第k(k＝1,...m)只蚂蚁只会影响第m种信息素。
[0112]
信息素更准则为：
[0113]
τ
kij
(t+1)＝(1-ρ)τ
kij
(t)+δτ
kij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)
[0114]
其中τ
kij
(t+1)表示t+1时刻更新过后栅格i和栅格j之间的第k种信息素，τ
kij
(t)表示t时刻更新前栅格i和栅格j之间的第k种信息素。ρ为挥发性系数，δτ
kij
表示蚂蚁留下的信息素，计算方式如下：
[0115]
[0116]
其中q为常数，fitk表示第k只蚂蚁的适应度。适应度函数为蚂蚁行走完后p周期一共覆盖的栅格数量，计算方式如下：
[0117][0118]
过高或者过低的信息素会增加陷入局部最优的概率，为了避免这种情况，将信息素限制在定范围内，优化后的信息素更细更新规则如下：
[0119][0120]
其中：τ
min
为信息素的最小值，τ
max
为信息素的最大值。
[0121]
步骤9：执行多个水下滑翔机协同探测覆盖策略，算法开始迭代，直到达成迭代停止条件。
[0122]
具体到每次迭代时，每组蚂蚁按顺序轮流按照转移概率行走，每只蚂蚁行走p周期后停止。一次迭代的w*m只蚂蚁全部行走完成后，更行路径上的信息素给下次迭代的蚂蚁提供参考，随着迭代的进行，蚂蚁的路径将逐渐收敛。最终收敛的路径即为区域覆盖的最佳路径。
[0123]
迭代停止的条件为迭代次数达到最大迭代次数itor
num
。
[0124]
实验验证：
[0125]
算法仿真区域为15km*15km，区域内部不同位置处的探测半径不同。算法参数如下表所示：
[0126][0127]
三台水下滑翔机的各自起始点为(1km,1km)、(1km,6km)、(1km,11km)。按照上述方
法进行计算，最终得出多个水下滑翔机的探测覆盖路径。固定滑翔12周期，三台水下滑翔机可覆盖96％的区域。图2为算法的收敛曲线，图3展示了多水下滑翔机二维覆盖路径，图4为本发明方法的多水下滑翔机三维覆盖路径。图中的aug1、aug2、aug3分别表示水下滑翔机1、水下滑翔机2、水下滑翔机3。
[0128]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
技术特征：1.一种基于蚁群算法的多水下滑翔机探测覆盖路径规划方法，其特征在于步骤如下：s1：建立栅格地图和栅格覆盖图模型；整片区域离散为栅格地图，维数为m*n，m为行数，n为列数；使用栅格覆盖图表征当前水下滑翔机对整片海域的覆盖情况，其维数与栅格地图相同；定义t时刻，(x,y)栅格的状态为o
xy
(t)，x＝1,2,..,m,y＝1,2,...,n，栅格状态使用二进制编码；s2：建立水下滑翔机单周期运动探测模型；假设水下滑翔机的下潜俯仰角和上浮俯仰角相同都为θ，稳态滑翔速度为v；滑翔速度垂直速度v
z
和水平速度v
x
表示为：水下滑翔机一周期滑翔运动的水平距离s与深度d和滑翔角θ有关，可按照下式计算：设定t
i
时刻水下滑翔机准备开始进行p
i
周期滑翔运动，水下滑翔机从p
i
(x
i
,y
i
)点入水，以航向角h滑翔一周期，出水时刻为t
i+1
，出水点为p
i+1
(x
i+1
,y
i+1
)，出水点和入水点满足以下关系：水下滑翔机在整个滑翔周期均会进行探测，即其经过的路径点集合为p
i
(x
i
,y
i
)与p
i+1
(x
i+1
,y
i+1
)相连的直线；滑翔过程中均按照(1)式更新栅格覆盖状态；s3：将蚂蚁作为水下滑翔机的代理进行映射，确定优化问题和优化目标；cover
xy
(p)表示经过p周期后，区域的覆盖情况，由下式计算：优化目标为m台水下滑翔机滑翔p周期后，最大化区域覆盖率p
c
，如下式所示：s4：建立蚂蚁和水下滑翔机的映射关系，将单只蚂蚁与单个水下滑翔机对应，将多只蚂蚁和多个水下滑翔机对应；设计可行域、蚂蚁转移概率、局部逃离策略和信息素更新法则；s5：通过不断迭代收敛得到多个蚂蚁的路径，即水下滑翔机的探测覆盖路径。2.根据权利要求1所述一种基于蚁群算法的多水下滑翔机探测覆盖路径规划方法，其特征在于所述蚂蚁转移概率：每组蚂蚁中的第k只蚂蚁轮流选择下一步路径，k＝1,...m，第k只蚂蚁的在t时刻从栅
格i转移到栅格j的概率为p
ijk
(t)，计算方式如下：其中allowed
k
(t)为蚂蚁下一步可选择的栅格集合，即第k只蚂蚁t时刻的可行域；其中τ
kij
(t)表示t时刻栅格i和栅格j之间的信息素浓度；地图中存在m中信息素，与m只蚂蚁一一对应；第k只蚂蚁只受第k种信息素影响，蚂蚁走过栅格后会对信息素进行更新；η
ij
(t)为启发函数，表示蚂蚁从栅格i转移到栅格j的期望程度；假设t时刻蚂蚁处于栅格i，t+1周期蚂蚁处于栅格j，η
ij
(t)定义如下：依次计算当前栅格点i与可行域内所有栅格s的转移概率，采用轮盘赌法选择蚂蚁下一步将要选择的路径点。3.根据权利要求2所述一种基于蚁群算法的多水下滑翔机探测覆盖路径规划方法，其特征在于所述局部逃离策略：当蚂蚁发现可行域内所有栅格的η
ij
(t)均为0时，表示蚂蚁无论怎么行走都无法探索到新的未被覆盖的栅格，此时蚂蚁陷入局部最优，按照下式调整航向：其中h
s
表示可行域内所有可以选择的航向，h
tar
表示蚂蚁的目标航向，计算方式如下：其中，(x
tar
,y
tar
)表示距离目前栅格最近的未被栅格，(x
t
,y
t
)表示蚂蚁的当前坐标；蚂蚁将按照目标航向前进，而不是依靠转移概率选择下一步栅格。4.根据权利要求3所述一种基于蚁群算法的多水下滑翔机探测覆盖路径规划方法，其特征在于所述信息素更新法则：迭代开始前，有路径上均存在初始信息素τ0；每次迭代过程中，每m只蚂蚁作为一个蚂蚁单元行走，具有相同的适应度；当w*m只蚂蚁都完成寻路后，对路径上的m种信息素进行更新；第k只蚂蚁只会影响第m种信息素；信息素更准则为：τ
kij
(t+1)＝(1-ρ)τ
kij
(t)+δτ
kij
ꢀꢀꢀꢀ
(10)其中τ
kij
(t+1)表示t+1时刻更新过后栅格i和栅格j之间的第k种信息素，τ
kij
(t)表示t时刻更新前栅格i和栅格j之间的第k种信息素；ρ为挥发性系数，δτ
kij
表示蚂蚁留下的信息素，计算方式如下：其中q为常数，fit
k
表示第k只蚂蚁的适应度；适应度函数为蚂蚁行走完后p周期一共覆
盖的栅格数量，计算方式如下：过高或者过低的信息素会增加陷入局部最优的概率，为了避免这种情况，将信息素限制在定范围内，优化后的信息素更细更新规则如下：其中，τ
min
为信息素的最小值，τ
max
为信息素的最大值。5.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。6.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。
技术总结本发明涉及一种基于蚁群算法的多水下滑翔机区域探测覆盖路径规划方法，首先建立栅格地图和栅格覆盖图模型，作为算法执行的基础；其次建立水下滑翔机单周期运动探测模型；之后将蚂蚁作为水下滑翔机的代理进行映射，明确优化问题和优化目标；随后在传统蚁群算法的基础上重新设计可行域、蚂蚁转移概率、局部逃离策略、适应度函数和信息素更新法则；最终通过不断迭代收敛得到多个蚂蚁的路径，即水下滑翔机的探测覆盖路径。本发明解决了复杂海洋环境下，不同位置处的探测效能即探测半径不同、水下滑翔机在三维空间运动容易触底、水下滑翔机的通信限制的问题，为多台水下滑翔机规划出探测覆盖路径。测覆盖路径。测覆盖路径。
技术研发人员：彭星光 冀海军 李乐 宋保维 潘光 张福斌 高剑 张立川
受保护的技术使用者：西北工业大学
技术研发日：2022.06.06
技术公布日：2022/11/1
