(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210959781.1 (22)申请日 2022.08.11 (71)申请人 西北工业大 学深圳研究院 地址 518063 广东省深圳市南 山区粤海街 道高新南九道45号 申请人 西北工业大 学 (72)发明人 刘禄　刘明炜　党沛东　张立川　 潘光　张硕　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 赵革革 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/00(2006.01) G06F 111/06(2020.01) (54)发明名称 一种基于蚁群算法的多UUV协同探测阵位优 化方法 (57)摘要 本发明涉及一种基于蚁群算法的多UUV协同 探测阵位优化方法， 充分考虑多UUV在协同探测 时， 如相邻UUV之间间距及单台UUV的航向角的变 化对最终的区域覆盖率的影响、 单台UUV距离边 界距离与相邻UUV距离不同时对探测区域拦截度 的影响， 设计了相应的两个打分集及分数函数， 根据任务不同， 设置相应的权重， 加权之后得到 最终阵位待优化目标函数。 随后， 蚁群算法参数 初始化、 设置迭代次数， 在最大迭代次数后得出 最优相邻UUV之间距离及单UUV的航向角。 本发明 利用蚁群算法在大跳跃间断函数上寻优效果更 好的优势， 具有正反馈特性， 该特性能迅速地扩 大初始的差异， 引导整个系统向最优解的方向进 化。 权利要求书3页 说明书9页 附图4页 CN 115310293 A 2022.11.08 CN 115310293 A 1.一种基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 采用二元感知模型 作为单UUV的探测模型， 步骤如下： 步骤1： UUV的探测范围包含目标的条件： 第一探测半径要大于目标与探测节点之间的 距离， 第二目标点T(xt,yt)与探测节点ui(xi,yi)之间连线与水平线的夹角 β 要 小于 即： 步骤2、 计算系统探测目标概 率： 其中： P{ti}表示事件ti的发生概率， 其发生 概率为UUVi覆盖到目标点的概 率， 所述探测目标的规定为： 两点之间的角度小于舷侧声呐的一半且探测节点探测半径大 于目标与探测节点之间的欧氏距离即认为目标在探测范围内； 步骤3、 拦截带打分函数及此时目标区域覆盖率： 以面向覆盖控制的多UUV阵型的指标 分为外围探测拦截连续度a1与区域探测覆盖率a2， 1、 设计打 分集a1来反应拦截带的拦截效果， 对应打 分集： 其中： r表示探测系统的探测半径， ， 它表示探测节点到探测目标ti(xt,yt)之间的欧式 距离， 所述边缘UUVi(xi,yi)距离探测区域 边界的某点(Axi,Ayi)的距离du(ui,Ai)为： 2、 以区域探测覆盖率a2得到目标区域覆盖读函数score(a2)为： 其中： 探测节点集合U在探测区域Am内的覆盖面积 UUV群组最 大探测区域Am离散为m×n个探测目标点， 每 个探测目标点的面积即可表示 为Δx·Δy； 步骤4： 最终分数为目标函数score(a)： score(a)＝u1·score(a1)+u2·score(a2) 式中： u1、 u2分别代表拦截带 连续度和区域探测覆盖率权 重； 步骤5： 采用蚁群算法优化求得目标函数score(a)的最优解， 以步骤4获得的最终分数 score(a)为蚁群算法的目标优化函数， 相邻UUV之间的间距d与航向角 θ为自变量参数， 以蚁 群优化算法一般步骤为优化 步骤来求得目标函数score(a)的最优解； 步骤6： 以目标函数scor e(a)的最优值对应航行器参数组(di, θi)， 得到当目标优化函数权　利　要　求　书 1/3 页 2 CN 115310293 A 2score(a)为 最大值时所对应的相邻U UV之间间距d与航向角 θ 。 2.根据权利要求1所述基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 所 述二元感知模型 P(ti)表示探测系统内任意一点p对区域内目标ti的 探测质量， 其值只能为1和0， 1时表示目标ti被探测系统探到， 0表示未被系统探测到； r表示 探测系统的探测半径， 其值与UUV的声呐种类与性能有关； 它 表示探测节点到 探测目标ti(xt,yt)之间的欧式距离 。 3.根据权利要求1所述基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 所 述拦截带连续度和区域探测覆盖率权 重u1、 u2的范围0‑1之间。 4.根据权利要求1或3所述基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 所述若探测的需求 为提高区域覆盖率时采用提高u1的值。 5.根据权利要求1或3所述基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 所述若探测的需求 为提高拦截概 率时采用提高u2的值。 6.根据权利要求1所述基于蚁群算法的多UUV协同探测阵位优化方法， 其特征在于： 所 述步骤5的采用蚁群算法优化 求得目标函数score(a)的最优解是： 1、 蚁群算法参数初始化： 初始化参数m组参数， 由相邻航行器之间的距离d和航行器航 向角 θ两参数组成； 设置最大迭代次数iter_max， 信息素挥发因子Rho， 转移概率常数P0， 局 部搜索步长step； 2、 计算转移概率： 根据探测海域的大小及航行器的数量计算出两相邻航行器之间的距 离d的取值范围、 并在范围内生成有序参数组(di, θi)， θi为航行器的航向角范围内的随机 值， 根据m组参数计算适应度函数值， 并将其设为初始信息素Tau(i)， 计算转移概率P(iter, i)： 其中， max(Tau)为信息素最大值， P(iter,i)表示第iter次迭代参数组i的转移概 率值； 3、 航行器参数组(di, θi)值更新： 当状态转移概率小于转移概率常数时进行局部搜索， 其搜索公式为： new＝old+r1·step·λ 其中， new为待移动的位置， old为参数组此刻值， r1为介于[‑1,1]的随机数， step为局部 搜索步长， λ为当前迭代次数的倒数； 当状态 转移概率大于转移 概率常数时， 进 行全局搜索， 此时的搜索公式为： new＝old+r2·range 其中r2为[‑0.5， 0.5]之间的随机数， range为自变量 区间大小。 通过判断待移动 位置的 函数值与当前位置的函数值大小来确定是否更新航行器参数组i的值， 并利用边界吸收方 式进行边界条件处 理， 将航行器参数组的值分别定在取值范围内； 4、 计算航行器新的参数组的适应度值： 判断参数组i是否更新， 并更新信息素， 信息素 更新公式为： Tau＝(1‑Rho)·Tau+f权　利　要　求　书 2/3 页 3 CN 115310293 A 3