《表5 WPA及其改进算法特性分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《AUV路径规划算法研究现状与展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对水下导航精度问题，2016年，Shen等[62]提出一种基于狼群算法的改进路径规划方法，结合地形匹配问题对AUV的导航和路径规划进行研究，利用水下地形熵的计算公式以及水下地形信息的分布，通过狼群算法设置仿真参数对规划路线的地形匹配进行仿真，提高匹配精度，验证了算法可行性。2017年，Zhang等[63]通过建立AUV约束条件下的水下环境威胁模型，提出基于修正WPA的Dubins路径规划方法。利用Dubins曲线来满足角度控制约束，调整转弯半径来满足控制约束。改进后的WPA收敛速度快，局部搜索能力强，搜索时间减少6.3%，搜索路径减少57.3%，但改进的狼群算法中需要设置的参数比其他方法多，相对复杂，计算成本大。针对上述存在的问题，2019年，王盈祥等[64]提出一种基于差分进化的改进狼群算法（differential evolution wolf pack algorithm，DEWPA）。通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行改进，在降低算法计算成本的同时提高算法的全局搜索能力。考虑到大范围海洋环境中，海流、复杂障碍物等环境因素对AUV路径规划的影响，为了降低执行成本、减小能耗，AUV必须确定一个时间或能量的最优位置。2020年，Panda等[65]提出一种新的狼群算法用于AUV的路径规划，通过对静态障碍物进行三维网格化仿真，基于计算时长、路径长度和路径代价对结果进行比较分析，改进的狼群算法降低操作成本，生成了低功耗、无碰撞的最优规划路径。狼群算法收敛速度快和求解精度高，同时在求解策略上能够较好地兼顾对解空间的全局和局部开发，因而具有优良的寻优性能。WPA及其改进算法不同特性分析如表5所示。