水环境监测早已成为全球的焦点问题。近年来,对海洋的开发与保护被各国提上日程,探索水资源需要更多的人力物力,水面无人艇的研究得到了世界的重视,已经在侦查行动、海洋巡逻、监视和搜索任务等领域都得到了运用。目前海洋环境及各地水库已经被严重污染,监测和采集水样是重中之重,但固定式装置只能检测一定范围内的水质参数,使用时需要考虑适用范围、安装装置等因素。便携式装置需要人员携带,有时甚至要进到危险的环境中进行监测和采集,存在安全隐患。水面无人艇具有可操作性强、方向控制灵活、人力消耗低、安全性高等优势,但水面上时常出现各种障碍物阻碍无人艇的航行,因此,迫切需要无人艇在行驶时能够智能避障从而完成任务并安全到达终点。本文研究了一种基于改进遗传算法与改进人工鱼群算法相结合的混合算法,该算法能够实现无人艇在复杂的、多静态障碍物的水面环境下的安全航行。论文的主要工作包括以下内容:首先,对遗传算法进行改进,采用精英选择策略的遗传算法,大幅度提高运算速度,防止丢掉找到的最优解。针对算法中各算子的作用,加入保护算子和淘汰算子,设一个小概率,使最优解保留且数量逐代增多,劣质解被逐代淘汰,保证种群的多样性。其次,针对人工鱼群算法中视野和步长两个固定参数使得算法精度不高的缺陷,采用指数函数使视野和步长随着算法的迭代自适应变化,提高算法的精度,防止局部收敛。将改进遗传算法与自适应人工鱼群算法进行结合,在人工鱼群完成觅食、聚群、追尾行为后,插入遗传算法,进行保护、淘汰等操作,逐代更新公告板上的最优解,在提高运算精度的基础上保留最优路径。再次,将改进后的混合算法与人工势场法、蚁群算法、粒子群算法进行比较,分别在MATLAB环境下得到不同的路径,对比证明混合算法在无人艇避障时可以躲避障碍物,且路径最优,验证了算法的实用性。最后,对本文的研究内容做出了总结,指出了工作的不足,并对未来的研究做出了展望。