1.一种基于改进蜣螂算法的船舶推力分配方法，其特征在于：包括如下步骤：步骤1、初始化船舶各类参数：结构参数、状态参数、推力和角度约束条件、推进器功率与推力关系系数、计算增量式等式约束项齐次线性方程组解；

其中，增量式等式约束项齐次线性方程组表达式为：

其中，(lxn，lyn)为第n个推进器船体坐标，求上述齐次线性方程组解，其中，基础解为Y1，Y2，…，Ym，对应的基础解系数选为个体变量，分别为r1，r2，…，rm，ΔTxn和ΔTyn为推进器n在x轴和y轴上的增量式推力分量；

步骤2、根据当前和历史数据信息计算推力分配等式约束项特解、个体变量动态边界；

其中，等式约束项特解为 w为权值系数，Δτc为增量式推力期望值；

个体变量动态边界的界定是通过构造不等式约束矩阵利用消元法求取；

步骤3、初始化改进蜣螂优化算法参数，包括种群大小、最大迭代次数、运用空间区块化和精英筛选法获取初始种群；

步骤4、运用原始蜣螂优化算法进行个体变量更新，具体实现步骤如下：步骤4.1、判别当前更新个体是否为滚球蜣螂，否则执行步骤4.2，是则生成(0,1)之间的随机数δbr，并用下列判别式更新蜣螂位置；

xi(t+1)＝xi(t)+tan(θ)|xi(t)‑xi(t‑1)|δbr＞Cbr其中Cbr为设定常数，θ为介于0至π的偏转角度，但当θ等于0、π/2或π时位置不更新，xiw(t)为滚球蜣螂i在第t次迭代时的位置，X为全局最差位置；

步骤4.2、判别当前更新个体是否为卵球，否则执行步骤4.3，是则根据下列公式更新卵球位置；

其中 和 分 别为产 卵区的 上界 和下界 ，且Bi(t)为卵球i在第t次迭代时的位置，b1和b2为随机变量，Lb和Ub*

分别为原优化区域的下界及上界，X 为当前局部最优位置，R＝1‑t/tmax，tmax为最大迭代次数；

步骤4.3、判别当前更新个体是否为小蜣螂，否则执行步骤4.4，是则根据下式更新小蜣螂位置；

其中 和 分 别为觅食 区的上界 和下界 ，且

b

C1为符合正态分布的随机变量，C2为取值0至1之间的随机数，X为全局最优位置；

步骤4.4、根据下式更新偷盗蜣螂位置；

b * b

xi(t+1)＝X+S×g×(xi(t)‑X|+xi(t)‑X)其中S为设定常数，g为一维随机向量，维度与个体变量维度相等；

步骤5、运用变步长类梯度法进行个体变量更新，其基本思想是：选取需要深度优化的个体沿若干等距空间进行搜索，获取最优进化方向，沿该方向继续搜索进化直至进化停止或达到设定进化次数，重复以上等距空间最优方向多步搜索法直至满足进化结束条件；

所述步骤5中，变步长类梯度法更新个体变量的具体实施方法为：设进行变步长类梯度法深度优化的某个最优粒子为Xb，步骤5.1、初始化参数，随机产生M个方向粒子XS，其中M/2个粒子由混沌算子生成，其它M/2个粒子运用小孔成像反向学习法生成，等距空间最优方向多步搜索法最大迭代次数为Md；

步骤5.2、计算Xb沿着M个方向更新值，其中第i(1≤i≤M)个方向更新方法如下：其中s1为步长系数，Xbi和XSi分别为粒子Xb和XS的第i维变量，Xbi＝Xbi+ΔXbi

按照上述公式对M个方向分别计算粒子Xb的更新适应度值，选取最优适应度值并记该最优适应度值对应的更新方向为M个方向中最优更新方向ΔXbest，判别粒子是否得到优化，是则执行步骤5.3，否则执行步骤5.5；

步骤5.3、沿最优方向继续最优粒子Xb优化，更新方法如下：Xb＝Xb+Cs1ΔXbest

Cs1为步长系数，计算粒子Xb适应值并判别是否得到优化，是则更新粒子Xb最优解和粒子最优适应度值，更新Cs1＝Cs1×Cs2，Cs2为变步长因子，返回步骤5.3，否则执行步骤5.4；

步骤5.4、判别是否达到等距空间最优方向多步搜索法最大迭代次数Md，否则更新s1、Cs1和Cs2的值并返回步骤5.1，是则执行步骤5.5；

步骤5.5、深度优化结束，更新个体和全局最优值；

步骤6、判别是否达到最大迭代次数，是则执行步骤7，否则执行步骤4；

步骤7、输出推力分配结果，更新船舶状态参数，跳至步骤2进行下一个周期推力分配计算。

2.根据权利要求1所述的一种基于改进蜣螂算法的船舶推力分配方法，其特征在于：所述步骤2中，个体变量动态边界的具体界定方法如下：设Tn(i)为第i个推进器当前推力值，Δαb(i)为第i个推进器单位周期角度变化最大值，LTb(i)和UTb(i)分别是与第i个推进器相关的设定极限小值和极大值，Tmin(i)和Tmax(i)分别为第i个推进器推力极小值和极大值，ΔTmin(i)和ΔTmax(i)分别为第i个推进器单位采样周期推力变化极小值和极大值，则可得：其中aL＝max(ΔTmin(i),Tmin(i)‑Tn(i))，bL＝min(ΔTmax(i),Tmax(i)‑Tn(i))，根据等式约束项通解和特解以及推进器相关的设定极限小值和极大值构建如下不等式约束矩阵：其中，K1和K2为动态边界拓展系数，Kn≥0和KP≥0为偏移量，针对上述不等式约束矩阵运用消元法便可获得个体变量r1，r2，…，rm的动态界限。

3.根据权利要求1所述的一种基于改进蜣螂算法的船舶推力分配方法，其特征在于：所述步骤3中，运用空间区块化和精英筛选法获取初始种群具体实施方法为：设种群个体维度为N，第j维变量的上下限为 和 以其中心为界分为N

和 两个区间，则空间区块数量最多可以达到2个，设第m个空间区块第j维变量上下限为 和 则：

其中μ为设定常数， 为混沌序列， 为该空间区块第i个种群个体，根据小孔成像反向学习法 在对称空间区块产生的个体为其中，n为调节因子，根据上述公式可知每个空间区块种群的产生由两部分组成，一部分是运用混沌算子单独生成，另一部分是由对称的空间区块通过小孔成像反向学习法映射产生，每个空间块产生大量种群；

设空间区块数为Nb个，最终选择种群数MS个，每个空间区块初步选择种群概率PS，则初始种群“精英”化选择策略是：每个空间区块保留最优的MSPS/Nb个个体变量作为最终种群个体，按上述准则初步在每个区块空间选择一定种群个体，剩下的初始化种群个体则在余下的海量种群中择优筛选。