水面无人艇（USV,Unmanned Surface Vehicle）是一种能够自主运行的水面运载器,其需要具备与外界环境交互的能力。为了实现这一目标,无人艇需要具备路径规划和动态避障的能力,以应对各种可能出现的危险状况。在无人艇行驶过程中,不仅需要全局路径规划决策,还需要及时应对局部危险环境以避免事故,只有这样才能确保无人艇安全、高效、顺利地完成任务。因此,路径规划算法的可靠性和危险避障能力是无人艇智能化发展的关键,也是本论文的研究重心。因此,本文在深入研究水面无人艇导航的基础上,设计了一种改进鲸鱼优化算法的水面无人艇路径规划研究,主要完成工作如下:（1）分析水面无人艇路径规划国内外研究现状,总结现有路径规划算法的优势及劣势,目前更多的导航策略是在复杂环境下,因此目前已有的规划算法不能满足实际需要,在此基础上提出更好轨迹的路径规划方案和避障策略成为必要,从而确立本课题以无人艇路径规划为基本设计准则。（2）建立水面无人艇运动模型。根据水面无人艇路径规划中会受到风、浪和流的影响,建立以MMG分离思想为模型参考,将水面无人艇分为纵向、横向和垂向上的合力,完成风对水面无人艇的影响、水流对无人艇的影响以及作用在无人艇的流体计算分别建立数学模型。（3）两两巡航点路劲规划算法设计以及巡航点优化排序。建立在水面无人艇运动模型的基础上,首先对鲸鱼优化算法与蚁群算法简单概述,针对两者算法中的有缺点进行归纳,提出改进策略。利用初始信息素不均匀分布、转移概率与鲸鱼更新融合的改进以及信息素更新策略的改进,进一步提升对全局的搜索能力。通过仿真实验蚁群算法与改进后的算法对比,改进后的算法具有更好更快的效果。在巡航点优化排序问题中,通过对鲸鱼优化算法求解策略中更新方式进行改进,使算法能够对非线性策略进行优化,给出最优解。通过仿真实验给出9个巡航策略最优解,证明了算法的有效性。最后在实船实验中,同样得到优异的巡航轨迹,论证了算法的有效性和可靠性。（4）水面无人艇多目标路径规划。建立在巡航点的路径规划上,提出对路径长度、路径平滑度、时间成本、安全性4个目标展开优化,建立4个目标数学模型并给出目标函数及其对应地约束函数。在适用于无人艇多目标算法中,首先进行模型分析,其次提出一种DAMOACOWOA（动态增强多目标蚁群-鲸鱼优化）算法,由ACO-WOA模块对潜在方案的提取,智能搜索方法模块与档案更新模块保留、剔除和限制最优方案解及个数对,相关辨识度及路径选择策略获得目标间的相应占比权重,最终获得最优路径解。（5）水面无人艇动态避碰决策算法研究。建立在全局路径规划基础之上,提出对局部路径中动态障碍物避碰决策研究,分析出避碰解决要解决的问题,给出避碰策略。基于深度强化学习下,设计动作空间与状态空间,在VO原理的基础上,提出使用深度强化学习解决动态避障问题,通过设计行为变量、状态变量、奖励函数,训练仿真测试并最终在实船实验中得到较好的避障效果。