[发明专利]一种基于蚁群算法的无人机群区域覆盖的多步寻优方法

说明书

本发明公开了一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其思路为：设定蚁群算法中的蚂蚁总只数和每只蚂蚁的维数；然后令s表示第s次搜索，s∈[1,SeachNum]，SeachNum表示搜索次数，每次搜索分别进行D次迭代，并令d表示第d次迭代，d∈[0,D]；计算第s次搜索第d次迭代后的第一数据结构AntSawrm_s,d和第s次搜索截止到第d次迭代的第二数据结构OptSawrm_s,d；令d加1，直到得到第s次搜索截止到第D次迭代的第二数据结构OptSawrm_s,D，进而第s次搜索后无人机群的一条完整的最优路径；令s加1，直到得到第SeachNum次搜索后无人机群的一条完整的最优路径，所述第SeachNum次搜索后无人机群的一条完整的最优路径包括第SeachNum次搜索后无人机群前进InnerStep步的最优路径p_SearchNum和第SeachNum次搜索后无人机群前进InnerStep步的最优速度v_SearchNum，进而完成基于蚁群算法的无人机群区域覆盖的多步寻优过程。

技术领域

本发明属于机载雷达技术领域，特别涉及一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，适用于无人预警机群实时最优覆盖监视区域的航迹规划问题。

背景技术

无人驾驶飞机(Unmanned Aerial Vehicle)简称无人机，与载人飞机相比有着独特的优势，体积小、造价低、使用方便、战场生存能力较强、不需要考虑飞行员生理限制等，在一些关键和高度危险的任务中发挥着不可替代的作用；随着电子技术日新月异的发展，无人机已经被应用于侦察监视、电子对抗甚至精确打击等军事领域；因此，为无人机预先规划出一条完成飞行任务所需的、代价最小的航迹，即无人机航迹规划，就显得尤为重要。

无人机航迹规划需要综合考虑飞行任务、飞行环境和气象等条件，从而确定无人机的飞行航线；依据机型的不同，无人机分为攻击性无人机和侦察型无人机，因此无人机航迹规划分为相应的攻击性航路规划和侦察型航路规划。前期的研究主要集中在攻击型航迹规划研究，攻击型航迹规划是指在一定约束的条件下，寻找无人机从起点到目标点生存概率最大的飞行路线，该路线必须满足一定的性能指标并且飞行代价最小；该攻击型航迹规划问题看作对一种多目标优化问题的求解，国内外研究者对此进行了很多分析和研究并取得了相应的成果。

国内研究者关注比较多的规划算法主要包括动态规划、A*算法、粒子群算法、遗传算法以及蚁群算法等进化算法，这些算法都有其优点和缺点，与国外研究情况相比，国内研究处于相对落后的状态；上世纪八十年代以来，世界各国就开始投入大量的人力物力用于航迹规划方法的研究，美国的波音航空公司开发了基于人工智能的任务规划软件，法国已装备有MIPSY和CINNA等任务规划系统，英国已成功研制Pathfinder2000等任务规划系统。在算法研究上，国外也已取得一些可观的成果，如乔治梅森大学提出的基于李雅普诺夫向量场的无人机航路规划和美国Teledyne公司提出的基于仿生策略的无人机自主侦察方法，在比较复杂的环境下，追踪目标时效率较高、鲁棒性很强；波尔图大学的电子与计算机学院在2012年提出了一种无人机和自主水下航行器的统筹协作策略，这种搜索方法可以适应多目标任务和环境参数的变化，在最小化搜索时间的同时可以最大化任务搜索空间；DurdanaHabib等在2013年提出了一种混合整数线性规划方法(MILP)，不仅能够减少任务时间，也能够获得很好的鲁棒性，但也带来了新的挑战。

为了提高多无人机在复杂环境中协同工作的存活率，Chirag Warty等在2013年提出了两种算法，分别是多种群遗传算法(MPGA)和中继选择标准(RSC)，多种群遗传算法MPGA用一种新型的种群创建方法和增强种群交叉机制的进化技术来在较短的时间内获得可行的航路，中继选择标准RSC用来选择位于源节点和目标节点之间的中继位置上的中继节点；尽管新的算法获得了比较好的仿真结果，但实验是在基于二维的基础上进行的，有别于实际的无人机规划环境。