海洋科学技术需求的不断增强,水面无人艇（Unmanned Surface Vehicle,USV）作为一种自主完成水面作业的现代化装备,具有智能化,模块化,机动灵活等优势,在军事和民用方面得到大量的应用,但由于海域存在海流、海风和海浪等环境因素,实现复杂环境下的无人艇路径规划和目标物协同围捕将成为研究热点。本文结合吉林省教育厅重大研发项目——“动态捕获自由拼接可重构多体水下机器人及群智解耦技术（JJKH20220988KJ）”,开展基于GWO-PSO融合算法的USV群体对抗动态避障与协同围捕作业研究。主要研究内容如下:（1）在静态环境下,采用改进粒子群（Particle Swarm Optimization,PSO）算法对USV进行路径规划研究。在USV运动学方程的基础上,采用非线性动态权重法的粒子群算法,对比分析基于线性递减权重法、自适应权重法、随机权重法的收敛精度与稳定裕度,经仿真对比,基于随机权重法的改进PSO算法较优,并经三次B样条曲线平滑,可得出USV合理的行驶路径。（2）在动态环境下,依据船舶避碰规则,开展USV避障模型的路径规划研究。在结合国际海事避碰规则的基础上,建立了改进PSO优化的动态障碍物避障模型,重点分析追越避障、正面相遇避障、交叉避障（左侧通行、右侧通行）的路径规划模型、以及在海流影响下的上述四种避障情景路径规划模型,经仿真分析可知,该方法可以有效避开动态的障碍物,为获取协同围捕提供前提保障。（3）在灰狼算法中结合PSO算法开展群USV路径规划研究。即在上述改进粒子群算法中的位置更新公式中引入改进灰狼算法（Grey Wolf Optimization,GWO）更新因子,构建了改进型GWO-PSO的位置更新公式,对比分析GWO算法、改进的GWO算法、GWO-PSO算法的相关性能参数,可知USV在同一起点,GWO-PSO算法使路径长度减少2.78%;USV在不同起点,GWOPSO算法使路径长度减少4.46%。（4）对抗环境下的群USV协同围捕研究。仿真分析了基于GA,PSO,GWO,GWO-PSO四种算法对静态单目标物、静态多目标物、动态单目标物、动态多目标物的协同围捕作业,从总行驶路径长度和运算时间上对比分析了目标物在三个方向上移动时算法的运动性能,综合评判得出GWO-PSO算法更具有快速性、鲁棒性强的特点。同时,经实验验证,USV的实测路径点和四种算法的仿真数据点基本吻合,算法合理有效。