本发明涉及无人船及多智能体航行，尤其涉及一种考虑切换代价的无人船编队动态队形调整方法。
背景技术：
1、水面无人船编队逐渐成为海洋探索和海洋开发的重要力量。在面对复杂的海上作业任务时，通过依靠无人船的编队作业方式充分发挥集群协作的优势，有效弥补单一船舶在性能方面的不足，从而能够确保任务的顺利完成。
2、为了克服航行过程中的风浪影响，无人船编队会采取队形调整方法，使编队按照一种节能队形的布局方式航行，从而提高编队整体的续航力。在队形调整过程中，大幅度变换成员的位置不仅会给无人船的操作带来一定的困难，而且极有可能造成主机和螺旋桨的超额运转，导致电池消耗增加。即便调整后的队形达到了节能效果，但远距离的调度使得无人船编队耗费大量电量，这种能量损耗远超于采用节能队形所获得的节能收益，违背了无人船编队绿色航行的宗旨。
技术实现思路
1、本发明提供一种考虑切换代价的无人船编队动态队形调整方法，以克服无人船编队进行队形调整时，由于未考虑切换代价，导致切换队形所消耗的能量可能超过切换队形所带来的节能收益，不符合节能目的的技术问题。
2、为了实现上述目的，本发明的技术方案是：
3、s1：获取若干个编队总阻力，并基于所述编队总阻力构建无人船编队能耗计算模型，所述无人船编队能耗计算模型用于计算编队总能耗；
4、s2：基于所述编队总阻力和无人船编队能耗计算模型构建编队能耗历史数据矩阵和编队能耗当前数据矩阵；
5、s3：基于所述无人船编队能耗计算模型构建动态目标函数，基于动态目标函数和编队能耗当前数据矩阵得到当前动态数据矩阵；基于所述编队能耗历史数据矩阵和所述当前动态数据矩阵构建编队能耗未来数据矩阵，从而得到全航程下的所有间距配置和能耗值，即编队能耗时域数据库；
6、s4：基于时域鲁棒优化算法和所述动态目标函数从所述编队能耗时域数据库中初步确定合理的局部最优决策变量，以及合理的局部最优决策变量对应的局部最小切换代价，所述决策变量为无人船编队的间距配置序列；
7、s5：采用野狗优化算法对所述合理的局部最优决策变量进行优化，最终得到全局最优决策变量，即兼顾最小能耗和最小切换代价的最优间距配置序列；基于所述最优间距配置序列所构建的无人船编队队形即为无人船节能编队队形。
8、进一步地，s1中，获取若干个编队总阻力，并基于所述编队总阻力构建无人船编队能耗计算模型的过程为：
9、s11：设定一个由n艘无人船组成的无人船编队，每个编队队形由n-1组间距配置决定，对应的间距配置个数为2(n-1)，每个编队队形对应一种间距配置序列，记作(d1,d2,d3,···di,···,dn-1,s1,s2,s3,···si,···,sn-1)，其中，di为环境切换前的第i个纵向偏移，si为环境切换前的第i个横向偏离；
10、s12：设定由n艘无人船组成的无人船编队中每个无人船的横向偏离和纵向偏移均不超过无人船的最大通讯半径l，设定间距配置的增幅为a，则间距配置序列的个数为且m取整数，即无人船编队队形的个数为m；
11、采用cfd数值仿真技术对m个无人船编队队形进行数值仿真，得到m个编队总阻力；
12、对于m个无人船编队队形中的任意一种无人船编队队形，将无人船编队队形中所有无人船在单船自航时的阻力相加得到自航总阻力，将编队总阻力与自航总阻力相除实现无量纲化处理，所得结果为当前队形中的编队整体能耗；
13、s13：以m个间距配置序列为输入变量，以m个间距配置序列对应的编队整体能耗为输出变量，对m个无人船编队队形分别对应的编队总阻力构建响应面近似模型，利用高阶响应面拟合方法，得到无人船编队能耗计算模型，其数学形式如下：
14、en＝α1d1+α2d2+,···,+αn-1dn-1+β1s1+β2s2+,···,+βn-1sn-1
15、式中，α1,α2,…,αn-1和β1,β2,…,βn-1分别为第i个纵向偏移和第i个横向偏离的回归系数；en为编队总能耗，简称能耗值。
16、进一步地，s2中，基于所述编队总阻力和无人船编队能耗计算模型构建编队能耗历史数据矩阵和编队能耗当前数据矩阵的过程为：
17、s21：将m个编队总阻力按照队形编号进行排序，将前m-1个编队总阻力作为编队能耗历史数据，将前m-1个编队总阻力对应的间距配置序列作为单位行向量，按照队形编号的次序从上至下依次排列，将每个间距配置序列对应的能耗值作为最后一列，从而构建编队能耗历史数据矩阵；
18、s22：将m个编队总阻力中的第m个编队总阻力作为编队能耗当前数据，将第m个总阻力对应的间距配置序列作为单位行向量，并将其对应的能耗值作为最后一列，构建编队能耗当前数据矩阵。
19、进一步地，s3中，基于所述无人船编队能耗计算模型构建动态目标函数，基于动态目标函数和编队能耗当前数据矩阵得到当前动态数据矩阵；基于所述编队能耗历史数据矩阵和所述当前动态数据矩阵构建编队能耗未来数据矩阵，从而得到全航程下的所有间距配置和能耗值，即编队能耗时域数据库的过程为：
20、s31：采用改进的移动峰函数构建编队动态环境，所述改进的移动峰函数表示为：
21、
22、式中，f(x,α(t))表示以多维多峰的峰函数形式构造的移动峰函数；
23、hi(t)、wi(t)和ci(t)分别表示t时刻下的第i个移动峰函数的峰高、峰宽和中心位置；m为峰个数；x表示间距配置序列；
24、s32：设定编队动态环境的运动形式，即：
25、设移动峰函数的峰高、峰宽和中心位置在t+1时刻的运动形式为：
26、hi(t+1)＝hi(t)+height_severityi·rand(0,1)
27、wi(t+1)＝wi(t)+width_severityi·rand(0,1)
28、ci(t+1)＝ci(t)+νi(t+1)
29、式中，hi(t+1)、wi(t+1)和ci(t+1)分别表示t+1时刻下的第i个移动峰函数的峰高、峰宽和中心位置；height_severityi和width_severityi分别表示第i个峰的峰高变化程度和峰宽变化程度；νi表示移动向量；rand(0,1)表示在[0,1]之间生成的随机数；
30、设定移动峰函数的中心位置的运动方向和运动距离以及峰高和峰宽的变化程度，从而实现移动峰函数的动态变化；
31、s33：构建动态目标函数；
32、将无人船编队能耗计算模型与改进的移动峰函数相乘从而构建编队能耗动态函数，即动态目标函数，所述动态目标函数的形式如下：
33、e(x,α(t))＝f(x,α(t))·enδ
34、式中，e(x,α(t))表示动态目标函数，f(x,α(t))为改进的移动峰函数，en为无人船编队能耗计算模型，δ为时变参数；
35、s34：将编队能耗当前数据矩阵带入所述动态目标函数，得到当前动态数据矩阵；
36、s35：将编队能耗历史数据矩阵和当前动态数据矩阵中的间距配置序列作为输入变量，利用预测器模型预测未来时刻的间距配置序列并输出，所述预测器模型如下：
37、
38、式中，xd′s为预测器模型预测出的未来时刻的间距配置序列；为上一时刻环境保留的间距配置序列；λ为预测器模型系数；xds为预测器模型中输入的编队能耗历史数据矩阵和编队能耗当前数据矩阵中的间距配置序列；p为预测器模型的训练参数；δt为训练的环境数；
39、其中，根据当前时刻环境中预设的环境梯度对预测器模型的训练参数p进行迭代训练，然后将训练后的p反馈给预测器模型，进而改变xd′s的结果；然后将当前时刻环境切换至下一时刻环境，p执行下一次的自训练；如此反复，直至环境切换数目达到预设的环境数目上限时，预测器模型的训练参数p停止自训练，预测器模型预测过程停止，并输出所有的xd′s；
40、将预测出的全部的未来时刻的间距配置序列作为单位行向量，按照环境编号的次序从上至下依次排列，根据无人船编队能耗计算模型计算出每组间距配置序列对应的能耗值，将对应的能耗值依次作为最后一列，从而构建出编队能耗未来数据矩阵；
41、s36：将编队能耗历史数据矩阵、当前动态数据矩阵和未来数据矩阵按照时序顺序依次排列，从而得到编队能耗时域数据库。
42、进一步地，s4中，基于时域鲁棒优化算法和所述动态目标函数从所述编队能耗时域数据库中初步确定合理的局部最优决策变量，以及合理的局部最优决策变量对应的局部最小切换代价的过程为：
43、s41：设计队形切换代价计算公式
44、通过编队能耗时域数据库中相邻的两组决策变量之间的欧式距离来度量切换代价的值，从而表征不同环境中决策变量的变化程度，决策变量即为间距配置序列，所述队形切换代价的计算公式如下：
45、
46、式中，di和表示环境切换前和环境切换后的第i个纵向偏移，si和表示环境切换前和环境切换后的第i个横向偏离，|| ||2表示二范数，n为编队成员数，m为编队队形数，k为环境总数，ec为队形切换代价；
47、s42：设计执行环境切换操作判断流程：
48、所述执行环境切换操作判断流程为：根据t时刻的决策变量所对应的动态目标函数值判断是否执行环境切换操作，即若e(x,α(t))≥0.9e(x0,α(t0))，判定t时刻的决策变量不满足当前环境要求，则执行环境切换操作流程，否则执行环境切换操作终止，时域鲁棒优化算法输出当前时刻的决策变量，即为初始局部最优决策变量；其中，x0表示初始环境下的决策变量，t0表示初始时刻；e表示编队能耗动态函数；
49、所述环境切换操作的流程为：将t时刻的环境条件更新为t+1时刻的环境条件，更新环境参数为移动峰函数参数，环境参数的取值按照移动峰函数动态变化形式进行调整；从所述编队能耗未来数据矩阵中获取t+1时刻决策变量及其能耗值，若所有编队能耗未来数据被调用完毕，则执行s43，否则根据移动峰函数计算t+1时刻决策变量的移动峰函数值，进而得到t+1时刻决策变量在新环境中的动态目标函数值，并用t+1时刻的动态目标函数值替换t时刻的动态目标函数值，并将其更新为e(x,α(t))，同时用t+1时刻的决策变量替换t时刻的决策变量；
50、s43：环境切换操作终止，时域鲁棒优化算法输出最后一个时刻的决策变量，并将最后一个时刻的决策变量作为初始局部最优决策变量；
51、s44：检验所得初始局部最优决策变量的合理性
52、按照环境切换次数对所述初始局部最优决策变量进行检验，检验规则为：若初始局部最优决策变量对应的环境切换数为1或者为设定的最大环境数，且设定的最大环境数不为1，则判定所述初始局部最优决策变量不合理，此时，对不合理的初始局部最优决策变量进行剔除并执行s45；否则获得合理的局部最优决策变量；
53、s45：将当前动态数据矩阵中的间距配置序列及对应的能耗值更改为前一时刻的间距配置序列及对应的能耗值，即编队能耗历史数据矩阵中的间距配置序列及对应的能耗值，然后重复执行s41-s44，直到获得合理的局部最优决策变量或者编队能耗历史数据被调用完毕，则终止计算；
54、s46：根据队形切换代价公式，计算合理的局部最优决策变量与t时刻决策变量之间的切换代价，即为局部最小切换代价。
55、进一步地，s5中，采用野狗优化算法对所述合理的局部最优决策变量进行优化，最终得到全局最优决策变量，即兼顾最小能耗和最小切换代价的最优间距配置序列的过程为：
56、s51：计算适应度值；
57、采用野狗优化算法按照合理的局部最优决策变量的序列维度随机生成若干同维度的决策变量，称为个体，将所有个体按照生成的顺序从上至下依次排列在一起构成种群矩阵，称为初始种群，其中，合理的局部最优决策变量作为当前最优个体置于初始种群的第一行，根据编队能耗计算模型计算当前最优个体的能耗值，将当前最优个体的能耗值与局部最小切换代价相加取倒数得到当前适应度值，计算公式如下：
58、
59、式中，ω1和ω2为经过归一化处理后分配得到的权重系数，两者的和为1；en为编队总能耗，即能耗值；ec为队形切换代价；
60、s52：采用野狗优化算法对所述合理的局部最优决策变量进行进化的过程为：
61、s521：设定进化原则为编队总能耗和编队队形切换代价同时最小的原则，即适应度值最大原则；
62、s522：基于野狗优化算法执行第一轮进化，对初始种群中的第一行个体进行种群进化操作，进化后得到新个体，即无人船编队的间距配置序列，通过队形切换代价计算公式计算新个体与原个体的队形切换代价，通过编队能耗计算模型计算新个体的能耗值，进而获得新个体的适应度值；
63、s523：判断获取的新个体的适应度值是否比进化前的原个体的适应度值大，若是，判定新个体为优，并用新个体替换当前最优个体，以新个体的适应度值替换当前适应度值；否则，判定原个体为优，保留当前最优个体和当前适应度值；
64、s524：根据s522的步骤内容依次对初始种群的余下各行个体进行种群进化操作，然后重复s523进行判断操作，直至初始种群中所有个体被进化完成，最后判断得到的当前最优个体即为全局最优决策变量，所得的全局最优决策变量即为兼顾最小能耗和最小切换代价的最优间距配置序列。
65、有益效果：本发明构建了无人船编队能耗计算模型，并基于所述无人船编队能耗计算模型构建了编队能耗时域数据库，基于欧式距离提出切换代价概念，表征从原队形切换至新队形的调度代价，并设计了评估切换代价的时域鲁棒优化算法，并基于所述编队能耗时域数据库和所述动态目标函数确定合理的局部最优决策变量；基于野狗优化算法以最小能耗和最小切换代价作为间距配置的优化目标求解得到全局最优决策变量，从而确定无人船节能编队队形。本发明所提出的无人船编队动态队形调整方法，不仅为无人船编队在海浪中持续航行提供一种低成本调度的队形切换决策，还可以确保编队调整后的队形仍具有节能效果，实现无人船编队在长距离航行中的动态节能，为推动船舶绿色航运事业的发展起到关键作用。
1.一种考虑切换代价的无人船编队动态队形调整方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的考虑切换代价的无人船编队动态队形调整方法，其特征在于，s1中，获取若干个编队总阻力，并基于所述编队总阻力构建无人船编队能耗计算模型的过程为：
3.根据权利要求2所述的考虑切换代价的无人船编队动态队形调整方法，其特征在于，s2中，基于所述编队总阻力和无人船编队能耗计算模型构建编队能耗历史数据矩阵和编队能耗当前数据矩阵的过程为：
4.根据权利要求3所述的考虑切换代价的无人船编队动态队形调整方法，其特征在于，s3中，基于所述无人船编队能耗计算模型构建动态目标函数，基于动态目标函数和编队能耗当前数据矩阵得到当前动态数据矩阵；基于所述编队能耗历史数据矩阵和所述当前动态数据矩阵构建编队能耗未来数据矩阵，从而得到全航程下的所有间距配置和能耗值，即编队能耗时域数据库的过程为：
5.根据权利要求4所述的考虑切换代价的无人船编队动态队形调整方法，其特征在于，s4中，基于时域鲁棒优化算法和所述动态目标函数从所述编队能耗时域数据库中初步确定合理的局部最优决策变量，以及合理的局部最优决策变量对应的局部最小切换代价的过程为：
6.根据权利要求5所述的考虑切换代价的无人船编队动态队形调整方法，其特征在于，s5中，采用野狗优化算法对所述合理的局部最优决策变量进行优化，最终得到全局最优决策变量，即兼顾最小能耗和最小切换代价的最优间距配置序列的过程为：
