对于水面无人艇而言，粒子群优化算法、分层策略改进遗传算法、多目标优 化算法[20-21]较为常用，下面对这三种优化方法进行详细分析。

粒子群算法（PSO）的基本思想主要来源于鸟群在自然世界中觅食过程的迁 徙和群聚特点，这种算法具有“种群”和“进化”的理念。但粒子群算法中不存在交 叉、变异和选择等一些进化操作，且粒子在搜索空间中是以一定的速度运动，粒

子在运动的过程中存在个体极值和全局极值。个体极值和全局极值也是两个不同 的概念。前者是指粒子在自身搜索过程中的最优解，后者是指在种群历史中搜寻 到的最优解。从粒子群算法全局搜索能力这一方面来看很强大而且容易实现因此 由于它的优越性，如今粒子群算法已经应用于科学与工程多个领域[22]。

遗传算法顾名思义就是通过模拟自然进化中优胜劣汰生存原则，在自然进化 过程初代种群产生之后一代一代的自身产生出适合的个体。这种算法的特点是具 有较强的全局搜索能力，在靠近全局的最优点的时间上是花费最小的。但是它的 缺点也很明显就是其局部搜索能力较弱，这样浪费了大量的时间。

和单目标进化算法不同的是多目标优化算法具有它特定的适应度评价机制。 原理是从一组初始化的种群出发，然后通过选择、交叉和变异等操作，接着经过 多重的进化优化，最后产生适应度越来越高的个体，从而可以更加逼近问题的最 优解。该算法具有良好的收敛性，为使其能应用到离散问题的求解领域，必须进 行相应的改优，于是研究者将其应用到任务规划问题领域[23]。

综上所述，对于船舶性能综合优化这种需要考虑很多的复杂问题时，我们可 以结合不同算法的优点，取长补短产生更好的优化效率。本文应用一种分层策略 改进遗传算法，分层策略的基本思想是将一次寻优的基础上进行再一次的寻优， 每一次都是在上一次寻优若干个最优解的邻域内进行，每一次寻优称为载波。来~自,优^尔-论;文*网www.youerw.com +QQ752018766-

1。5 本课题的目的与意义

由于无人艇在当今世界得到的重视程度日益增高，所以对于研究无人艇的建 模，优化分析，以及性能的研究显得尤为重要，因此这篇论文基于综合优化思想， 针对一种新型水面无人艇，建立了综合优化数学模型包括（目标函数，以及设计 变量，以及约束条件）。同时对快速性、操纵性、耐波性等性能进行综合优化计 算与分析，为新型水面无人艇艇型的设计提供一种可靠有依据的方法。

1。6 本文的主要研究内容

本文的核心问题是研究水面无人艇在航行状态下的性能综合优化设计分析 这个问题，具体研究的步骤是，先以一种具有防飞溅条的新型单体水面翼滑艇为 基础，通过理论分析，兼顾 USV 快速性、操纵性和耐波性，然后建立了相应的航行性能综合优化数学模型。选择遗传算法、粒子群算法、复合型算法和混沌算 法作为本文优化计算的基础算法，并基于 C#改编了新型 USV 航行性能综合优化 程序，完成了大量优化计算。并进行分析比较最优值。