基于捆绑遗传优化和快速行进Q学习的USV多目标遍历方法

本发明涉及数据处理技术领域，公开了一种基于捆绑遗传优化和快速行进Q学习的USV多目标遍历方法，基于多级优先级和路径长度的双捆绑遗传优化目标分配，结合快速行进奖励机制与转向角限制的Q学习路径规划，依据动态障碍物区域的奖励值递减避障策略，实现USV多目标遍历。由此，本发明通过捆绑机制减少遗传迭代冗余，减少计算时间，提高收敛速度，再利用快速行进Q学习减少冗余路径点，在满足USV运动约束的条件下，优化总路径长度，奖励值递减机制的应用提升动态障碍避障成功率，并在满足多级优先级约束的条件下，结合USV速度优化总任务时间，满足实际作业需求。