李娟，张韵，陈涛

（1.哈尔滨工程大学 海洋装置与控制技术研究所，黑龙江 哈尔滨 150001;2.哈尔滨工程大学 智能科学与工程学院，黑龙江 哈尔滨 150001）

自主水下航行器（autonomous underwater vehicle，AUV）目标搜索是水下搜救、水下围捕等作业任务的重要组成部分。在未知的水下环境中，AUV 无法预先获得目标和障碍物的信息。为了更好地完成水下任务，AUV 需具备自适应搜索与决策以及局部规划能力。

在搜索方面，Ma 等[1]提出一种针对未知环境目标搜索的组合选项和强化学习算法，该算法通过在未知环境下的强化学习来处理实时任务，提高了动态特性。Dadgar 等[2]为克服机器人工作空间的局限性，提出一种基于PSO 的分布式算法，使基于PSO 算法在全局机制下达到整体最优的目的。李娟等[3]针对水下搜索效率低，定位精度不稳定等问题，提出了一种基于动态预测的多AUV目标搜索方法，并将该方法分成了3 种模式，最终通过仿真验证了其具有搜索高效性。倪建军等[4]针对未知的三维水下环境中的多AUV 协同目标搜索问题，提出了一种改进的基于海豚群算法的方法，将搜索问题分为随机巡航、动态联盟和团队搜索3个阶段。综合已有研究成果，发现各个搜索算法都存在不足。文献[1]提出的学习算法很难适应完全未知环境，不能保证搜索的实时性和高效性；文献[2-3]所提出的算法不能很好地应用在三维环境中；文献[4]虽然提出了对三维环境的搜索方法，但整体搜索时间过长；文献[5]提出了水面航行器与水下航行器合作的目标搜索与打击方法，作者提出的方法更侧重在两种不同设备的合作搜索，针对搜索方法的创新没有详细描述；……