本文介绍的是由Guangjie Han（IEEE高级会员）等学者在2020年8月发表于《IEEE Transactions on Vehicular Technology》第69卷第8期的一项原创研究，题为《Ant-Colony-Based Complete-Coverage Path-Planning Algorithm for Underwater Gliders in Ocean Areas with Thermoclines》。研究团队来自河海大学物联网工程学院、上海大学无人艇工程研究院、卡塔尔大学计算机科学与工程系等机构，并获得中国国家重点研发计划、国家自然科学基金等项目的支持。
学术背景
海洋资源开发依赖高效的水下探测技术，而水下滑翔机（underwater glider）因其低能耗、长续航的特点成为数据采集的重要工具。然而，温跃层（thermocline）——海水温度梯度显著变化的垂直分层——会显著缩短水下声学通信半径，且滑翔机的运动约束（如转向角度受限）使其无法直接沿用自主水下航行器（AUV）的路径规划算法。现有研究多针对AUV设计全覆盖路径，忽略了温跃层对通信半径的动态影响及滑翔机的运动特性。因此，本研究提出一种结合蚁群算法（ant colony algorithm）的全覆盖路径规划避障算法（CCPP-OA），旨在解决温跃层环境下滑翔机的路径优化问题。
研究流程与方法
1. 网络模型构建
研究首先建立三维海洋环境模型，将水域按温跃层分为上、中、下三层，每层的通信半径不同（温跃层内半径最小）。设定两个水面基站作为滑翔机起点和终点，节点随机分布。假设障碍物位置可通过声呐预先获取，且形状简化为长方体。
2. 全覆盖路径规划
- 分层策略：根据滑翔机在各层的通信半径计算最优滑翔角（glide angle）。例如，温跃层内滑翔角α_thermoc = arccos(2r_thermoc/d_thermoc)，其中r为通信半径，d为层深度。
- 导航点设置：在温跃层边界、海面和最大下潜深度处预设导航点（navigation points），间距由通信半径和滑翔角决定（如温跃层内l_thermoc = 4r_thermoc/sinα_thermoc）。
- 双滑翔机协同：两滑翔机分别从上、下层出发，通过交替覆盖不同层级减少重复路径。通过频率参数f调整滑翔机在各层的探测频次，确保全覆盖。
3. 蚁群避障算法
- 环境建模：采用大网格优先、小网格备用的分级网格法，减少滑翔机转向次数。
- 状态转移规则：蚂蚁选择下一导航点时，综合启发信息（如路径平滑度angle(pi,pj) = 1/(|α−α_now|+1)和安全性safety(pi,pj) = d2/(d1+1)，其中d1为障碍物投影长度，d2为最短距离）与信息素浓度。
- 信息素更新：局部更新采用挥发系数ρ调整信息素，全局更新则基于最优路径增强信息素。
4. 能耗与覆盖效率模型
- 能耗模型：总能耗E = ∑(e_p + 0.5δx_iρgδv tanζ)，其中e_p为电池移动能耗，ζ为滑翔角。
- 覆盖效率：定义重叠率η = ∑v_k/v_total，优化目标为最小化综合函数f_total = f_coverage/(θ1×f_risk×f_energy)。
主要结果
- 路径规划效果：在1000m×800m×1000m的仿真环境中，CCPP-OA算法在温跃层厚度100m时，滑翔角分别为63°（温跃层）和78.4°（下层），导航点间距102-204m。双滑翔机协同覆盖使路径长度比传统Zigzag算法缩短30%以上。
- 避障性能：相较于自适应差分进化（DE）和报警信息素蚁群（AP-ACS）算法，CCPP-OA在大型障碍物环境中减少转向次数50%，能耗降低25%。
- 覆盖效率：重叠率η控制在15%以下，显著优于对比算法（如AP-ACS的η≈25%）。
结论与价值
本研究首次将温跃层动态通信半径与滑翔机运动约束纳入路径规划，提出CCPP-OA算法，其科学价值体现在：
1. 理论创新：通过分层滑翔角优化和双周期覆盖策略，解决了温跃层环境下的通信盲区问题。
2. 技术突破：结合分级网格蚁群算法，在保证全覆盖的同时降低能耗。
3. 应用前景：适用于海洋资源勘探、污染监测等长周期任务，实测中可减少滑翔机任务时间20%-40%。
研究亮点
- 多约束协同优化：同时考虑通信半径变化、障碍物规避和滑翔机动力学特性。
- 算法融合创新：将传统蚁群算法改进为分级网格搜索，适应滑翔机转向约束。
- 全参数量化模型：覆盖效率、能耗与风险度量的综合目标函数为后续研究提供范式。
其他价值
仿真代码公开于MATLAB平台，参数可扩展至其他水下机器人。未来工作将引入洋流动力学进一步优化路径。