海上遇险目标的位置具有不确定性及时变性,给智能体的搜索任务规划带来了极大的困难。基于此,本文提出了一种基于智能体的海上遇险目标搜索算法,该算法首先基于海上遇险目标的漂移特性,开展遇险目标包含概率模型的研究,在此基础上提出基于目标包含概率模型的搜索路径规划算法。为解决海上遇险目标位置时变性问题,提出基于最优时间窗口的搜索算法,实现智能体的全自主化规划搜索任务,能有效提高海上遇险目标的搜索成功率与效率。本文的研究的主要内容如下:一、基于蒙特卡洛随机粒子法与栅格法研究海上遇险目标包含概率(probability of containment,POC)模型的建立方法。该方法首先分析遇险目标的漂移特性,根据事发海区的环境因素数据,利用计算机随机模拟随机粒子的漂移路径。再根据粒子位置确定待搜索区域,利用栅格法将待搜索区域划分为若干子区域,并通过粒子数统计来计算每个子区域的POC值,最终建立目标的POC模型,为智能体规划搜索路径提供先验信息。二、基于海上遇险目标POC模型的搜索路径规划算法。为了在有限的时间内尽可能快的搜索目标POC值更高的子区域,提出一种搜索路径规划算法,将待搜索区域中各个子区域的POC值视为路径权重值,在规划每个步长的搜索路径时,仅保留权重最大的搜索路径,以实现对遇险目标的高效搜索。三、基于时间窗口的遇险目标搜索算法。由于遇险目标的位置具有时变性,针对某时刻的目标POC模型所规划的搜索任务时间有限,因此提出基于时间窗口的搜索算法,当搜索时间溢出时间窗口时,基于贝叶斯理论更新待搜索区域各个子区域的目标后验概率,并更新目标的POC模型,重新规划下一次搜索任务。同时研究了时间窗口1的影响因素,通过实验获得最优时间窗口的取值条件。通过搭建海上遇险目标搜索仿真平台,模拟智能体执行遇险目标的搜索任务。结果表明本方法能够准确构建目标POC模型,合理规划搜索路径,持续规划对遇险目标的搜索工作,且在最优时间窗口下,搜索成功率可达95%以上。