1.1选题目的与意义

目前无人船已在水面清漂、海域勘探、水质监测和应急救援等领域广泛应用，无人船技术吸引了越来越多人的注意。而无人船（Unmanned Surface Vehicle，USV）是一种能够在海洋环境下自主航巡，并完成各种任务的水面运动平台，是一个涉及智能控制、材料工程、船舶工程、人工智能、信息处理等相关专业学科的复杂系统工程[1]。

随着人工智能和无人驾驶技术的快速发展，无人船的自主航行能力也得到相应发展。要使无人船在复杂环境下具备自主航行的能为，首先需要解决路径规划问题，即要有一条规划过的航线，然后再依据这条航迹前进并达最终到达目标点[2]。由于无人船航行水域环境具有复杂多样、变化快等特点，研究如何利用路径规划算法整合大量的多传感器融合数据，快速准确的做出航行策略及实现精确的运动控制提高航行的可靠性与安全性，成为了无人船技术研究的首要任务。

1.2国内外研究现状

移动机器人路径规划始于 20 世纪 60 年代末期，早期的路径规划主要是静态环境下，包括栅格的路径规划技术、可视图的路径规划技术、拓扑路径规划技术和混合路径规划技术等，但随着应用领域的扩大和工业环境的变化，要求机器人能适应更加复杂和多变的动态工作环境，特别是根据传感器探测到的有限范围内的运动信息进行避障规划，实现动态环境中的运动和避障，出现采用模糊逻辑的路径规划技术、人工势场的路径规划技术、遗传算法的路径规划技术、神经网络、蚁群算法等，基于实时性、安全性、可达性的更高要求通常而言，对路径规划算法的研究都是针对机器人自身的特性和它的应用场所进行的[3]。从广义上讲，无人船属于移动机器人的一种，而将移动机器人的路径规划应用到无人船可以解决无人船路径规划中的诸多问题。

近几年，已有大量的关于无人船路径规划算法的研究,较为常用的路径规划算法有人工势场法[4]、人工神经网络、粒子群算法[5]、遗传算法和A*算法[6]等[7][8]。