全区域覆盖路径规划作为机器人路径规划的一个重要研究方向,在日常生活及工业自动化领域有着越来越广泛的应用,应用场景的日益增多也使全区域覆盖路径规划的求解方法亟需更新。目前,全区域覆盖路径规划面临的问题是主流求解方法全局寻优能力有待提高,而利用智能集群算法进行求解时则会出现运算量较大,收敛速度慢的情况。针对上述问题,本文利用优化栅格法进行环境建模,基于改进遗传算法对全区域覆盖的路径规划进行求解,得到最优路径,并在此基础上做了考虑水流影响的局部再优化,以保证实际运行中无人船能够按照所求的最优路径进行航行。具体工作如下:(1)利用原始水域边界坐标建立无人船运行的栅格环境地图,该地图中明确表达了障碍物、边界、栅格状态和栅格间关系等信息,为下文路径规划问题求解提供了简洁高效的编码基础,为水域环境建模提出了一种新思路。(2)以遗传算法为基本算法框架,在分析了遗传算法在解决全区域覆盖路径规划问题的优势与不足的基础上,针对其存在的易早熟、固定交叉和变异概率在进化前后期导致的精英个体流失等问题,主要做了四方面的改进,首先,为了降低无效解的数量,提高运算效率,对染色体编码方式进行约束,规定相邻基因对应的栅格在染色体中必须是连续相邻栅格;第二,为避免固定的适应度函数导致进化前期适应度值较大的解易支配全局出现局部早熟的现象,采用自适应的适应度函数;第三,为避免算法初期较小的交叉和变异概率不利于新个体的产生和算法后期较大的交叉和变异概率又容易破坏最优解,采用自适应的交叉和变异概率;第四,为了避免局部收敛,改进遗传算法引入了烟花算法中的爆炸算子,在当代种群所求最优解附近进行爆炸搜索。(3)通过建立水流栅格模型,对比分析了无人船在静水水域和水流影响下的水域中的航行路径,提出了一种基于速度分解的简单优化模型,通过该模型输出的无人船速度值与方向值保证无人船在一定速度的水流影响下依然按照既定最短路径进行航行。本文从无人船环境地图建模、基于改进遗传算法的全区域覆盖路径规划问题求解和考虑水流影响的局部路径再优化三个方面进行研究,提出了求解全区域覆盖路径规划的改进遗传算法,并通过仿真试验验证了算法相比较于其他算法的优越性。