基于信息熵遗传算法的舰船导航路径规划技术研究

摘要

随着科技的不断进步，舰船导航正逐渐向智能化的方向发展。其中路径规划是舰船智能航行的关键技术之一。本文以舰船路径规划为背景，以电子海图系统为平台，对舰船在真实海洋环境下的路径规划问题进行了深入的研究。将信息熵理论与遗传算法相结合，并根据路径规划技术特点，提出了应用于路径规划领域的信息熵遗传算法，克服了传统遗传算法在路径规划时耗时长、易陷入局部解的缺点。
　　 针对电子海图显示特点，本文采用多边形障碍表达方式和路径点编码方式，并将遗传算法作为基本算法；为描述种群多样性，重点研究了信息熵原理，提出了基于栅格思想的路径种群熵概念，实现了种群多样性的测量；在此基础上，进一步提出了基于路径种群熵的双轮盘赌选择策略，给出了基于路径种群熵的自适应交叉、变异概率计算公式，达到了在算法前期保持种群多样性，而在算法后期加快收敛速度的目的，提高了算法性能，克服了算法缺陷；提出了先启发生成再优化的初始种群生成方法，提高了初始种群的个体质量；提出了基于区域的碰撞检测方法，减少了检测次数，提高了算法效率。
　　 最后，利用本文设计算法进行了路径规划仿真，得到了理想的结果，验证了本文算法的有效性。同时与原有的自适应遗传算法进行了仿真对比，通过实际效果的差异验证了本文算法的优越性。

目录

文摘

英文文摘

第1章 绪论

1.1 课题背景与意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 课题主要研究内容

第2章 舰船导航路径规划方法研究

2.1 路径规划概述

2.1.1 路径规划问题的描述

2.1.2 路径规划的特点与分类

2.1.3 路径规划的实现

2.1.4 舰船路径规划的特殊性

2.2 全局路径规划方法

2.2.1 传统路径规划算法

2.2.2 智能路径规划算法

2.3 本章小结

第3章 遗传算法分析与改进

3.1 遗传算法简介

3.1.1 遗传算法基本原理

3.1.2 遗传算法的实施

3.2 标准遗传算法的缺陷及几种改进方法

3.2.1 标准遗传算法缺陷

3.2.2 改进遗传算法

3.3 对遗传算法求解路径规划问题的分析

3.3.1 环境描述与路径表达问题

3.3.2 本文的解决方法

3.3.3 影响算法性能的因素分析

3.4 信息熵原理

3.4.1 Shannon信息量

3.4.2 Shannon信息熵

3.5 信息熵遗传算法的设计思路

3.5.1 信息熵遗传算法基本设计思路

3.5.2 基于变长度路径点编码的路径种群熵

3.6 本章小结

第4章 基于信息熵遗传算法的路径规划算法设计

4.1 基本设置

4.1.1 环境参数

4.1.2 路径分类流程

4.1.3 碰撞检测

4.1.4 初始种群产生方法设计

4.2 适应度函数设计

4.2.1 可行路径

4.2.2 不可行路径

4.3 遗传算子设计

4.3.1 选择策略设计

4.3.2 交叉算子设计

4.3.3 变异算子设计

4.4 优化算子

4.4.1 删除算子

4.4.2 移动算子

4.4.3 插入算子

4.4.3 平滑算子

4.5 进化终止条件设计

4.6 本章小结

第5章 信息熵遗传算法仿真结果与分析

5.1 仿真环境及参数选择

5.2 仿真结果

5.2.1 普通环境

5.2.2 特殊环境

5.3 信息熵遗传算法与其他算法仿真结果比较分析

5.4 应用实例

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢