随着现代科技的迅速发展和人类文明的快速进步,海上交通日益繁忙,而船舶发生碰撞或搁浅等事故有着巨大的危害,比如危害船员的生命财产和对环境造成污染等等。因此,保障船舶的航行安全有着至关重要的作用,对船舶路径规划的研究也应运而生。路径规划的过程实际是一个寻优过程,目前已有粒子群算法、蚁群算法、遗传算法、模拟退火算法等成熟的寻优算法应用于各种寻优问题中,本文使用的狼群算法也是一种寻优算法,由于该算法有着精度高、收敛快、鲁棒性好的特点,受到了许多国内外专家学者的广泛关注。狼群算法(Wolf Pack Algorithm)是吴虎胜等人基于狼群的捕猎行为提出的一种新的仿生智能算法。该算法由于其性能较高,目前已经应用在很多工程领域。但是狼群算法在其寻优效率和收敛精度等方面还有着优化的空间。本文以水面航行船舶的路径规划为背景,利用改进的狼群算法对路径规划过程中的问题进行寻优,具体的工作如下:一、狼群算法及其改进分析。详细分析狼群算法这一种群优化算法的原理和求解步骤,针对游走的过程提出两点改进,使得改进后的狼群算法相比原始狼群算法有着更好的寻优效率和收敛精度。本文将该算法作为LSTM网络超参数的优化算法和路径规划的算法,最后通过仿真验证本文对于狼群算法改进的效果。二、对障碍物进行处理。利用聚类算法将本船周围的多个分散又临近的静态障碍物聚成一类,在路径规划时把这些障碍物当作一个大的障碍物进行处理以提高路径规划的效率。主要介绍了所用的密度峰值算法,分析其优缺点,并对现有不足之处进行改进,以此为基础建立了静态障碍物的聚类模型,利用算法对数据点进行聚类仿真,验证算法的可行性。利用改进的狼群算法结合深度学习建立障碍物的预测模型,该模型能够根据当前的运动参数,预测未来一段时间内的轨迹。以AIS数据为基础,建立神经网络训练的样本生成系统,最后对目标船的轨迹进行预测。三、根据处理过的障碍物信息进行路径规划。利用前文的改进狼群算法针对处理后的障碍物进行规避,得到规划后的路径;利用仿真对比本文改进的狼群算法IWPA、原始的WPA算法以及经典的人工势场法在路径规划应用中的差别,分析基于改进狼群算法在船舶路径规划中的优势。