面向AUV智能性评估的头脑风暴优化算法研究.pdfVIP

面向AUV智能性评估的头脑风暴优化算法研究

摘要

AUV，即自主水下航行器，广泛应用于海洋调查、侦察巡逻、信息作战等各种复杂

任务场景，逐渐由编程驱动模式向自决策、自学习、自适应等智能模式发展。AUV智能

性评估作为分析各种AUV智能水平的关键技术，对于引导设备与算法性能的迭代升级、

帮助建设操作规范和性能边界具有指导性意义。然而，组合权重作为评估AUV智能性

的关键技术之一，存在权重计算精度低导致评估结果不准确的问题。此外，水下复杂多

变的海洋环境对测试智能性的算法如路径规划的准确性和安全性提出了更高的要求。

为提高组合权重的计算精度、增强AUV智能性测试的算法性能、保障AUV智能

性评估的准确性，从挖掘AUV智能性评估的问题入手，以头脑风暴优化算法为研究对

象，围绕构建算法数学模型、改善种群分布质量、提升自适应搜索能力、增强局部最优

脱逃能力以及搭建AUV智能性评估体系展开研究。本文的主要工作如下：

（1）挖掘AUV智能性评估存在的问题，从组合权重计算精度需求、路径规划算法

性能需求两个角度论证头脑风暴优化算法应用到AUV智能性评估上的合理性。从寻优

实现流程、群体演化规律和数学模型入手，针对头脑风暴优化算法展开组成要素探讨、

关键问题梳理、收敛性分析、种群初始化与聚类方法改进；基于群体演化规律，从聚类、

选择、变异三个角度解释头脑风暴优化算法优化效率低的问题，指引算法的改进方向；

针对头脑风暴优化算法种群分布质量差的问题，提出一种基于佳点集与谱聚类方法的改

进头脑风暴优化算法，设计仿真实验验证算法的种群分布性能与收敛性能。

（2）针对头脑风暴优化算法全局与局部搜索自适应调整能力差的问题，提出一种

基于自适应搜索策略的头脑风暴优化算法。从选择机制、变异策略两个角度提升头脑风

暴优化算法的自适应搜索能力，提出讨论机制取代算法轮盘赌选择机制，设计自适应参

数调整组间讨论与组内讨论比例，提升算法的寻优精度；变异步长采用差分步长，增强

搜索步长的自适应调整能力，提升算法的收敛速度；引入全局最优个体引导种群变异，

改善种群质量，进一步提升算法寻优精度；基于单目标优化问题国际标准测试集，通过

仿真实验验证算法在高维问题下的收敛速度与寻优精度优势。

（3）针对头脑风暴优化算法求解多峰问题时局部最优脱逃能力弱的问题，提出一

种基于局部最优逃逸策略的头脑风暴优化算法。基于混沌理论，通过混沌映射与差分步

长结合提出一种混沌差分步长策略，扩展算法的搜索空间，降低算法陷入局部最优的时

间；提出一种引入动态调整策略的对位种群策略，提高种群质量，提升算法跳出局部最

哈尔滨工程大学博士学位论文

优的概率；将以上两种策略结合形成局部最优逃逸策略，设计局部最优逃逸策略的运行

机制，减少策略使用频率，降低算法时间复杂度；基于单目标优化问题国际标准测试集，

通过仿真实验验证算法在处理多峰问题上的优势。

（4）针对AUV智能性评估技术不完善的问题，提出一种基于改进头脑风暴优化算

法的AUV智能性评估体系。基于头脑风暴会议思想，提出一种专家权重筛选机制，增

强权重集合的一致性；提出一种改进多专家组合权重模型，从公正性与一致性两个角度

考察权重，提高权重目标函数设计的全面性；基于改进头脑风暴优化算法求解权重模型、

获取AUV智能性指标数据，提高计算精度与收敛速度，通过仿真实验验证算法的有效

性；基于AUV智能性评价指标的仿真实验数据、多专家权重值和分层模糊综合评价法，

实现AUV智能性评估，验证所提评估体系的有效性。

关键词：自主水下航行器智能性；头脑风暴优化算法；组合权重；路径规划；局部最优

面向AUV智能性评估的头脑风暴优化算法研究

ABSTRACT

AUV,orAutonomousUnderwaterVehicle,isextensivelyusedincomplexmission

scenariossuchasoceanographicsurveys,reconnaissancepatrols,andinformationwarfare.

Theyareevolvingfroma