基于自适应步长布谷鸟搜索和粒子群融合算法的AUV水下三维路径规划

针对传统布谷鸟算法在处理自主式水下机器人（AUV）于复杂水下的三维路径规划研究时存在搜索目标不可达、寻径和避障能力弱和算法收敛速度慢等问题，提出AUV路径规划算法PSO-ASCS(particle swarm optimization-adaptive stepsize cuckoo search)，将粒子群算法引入改进的自适应步长布谷鸟搜索，对布谷鸟算法进行优化。利用空间分层思想建立复杂水下三维模型对PSO-ASCS算法进行路径规划和避障实验；通过考虑路径长度、路径平滑性和路径危险性三个要素构造适应度函数，对PSO-ASCS算法进行测试并与自适应步长布谷鸟算法、标准布谷鸟算法和粒子群算法进行比较。实验表明，本文算法具有较强的全局搜索能力和寻优性能、算法收敛较好，使AUV具备高效的避障和路径规划的能力。