[发明专利]基于自适应多态融合蚁群算法的无人机航迹规划方法

说明书

本发明公开了一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域，本发明在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快；本发明在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。

技术领域

本发明涉及一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域。

背景技术

蚁群算法指的是通过模拟蚂蚁对自然界食物的集体搜索，提出了蚁群算法(ACO)。蚂蚁觅食是一种基于群体的启发式仿生算法，不是单一的蚂蚁自主寻找食物来源。觅食行为取决于蚂蚁和蚂蚁之间或蚂蚁个体与环境之间的交流，这是基于蚂蚁产生的化学物质(称为信息素)的使用。蚂蚁的工作原理如下：首先，当蚂蚁到达他们必须决定向左或向右转的决定点时，蚂蚁会随机选择下一条路径并将信息素存放在地面上，因为他们不知道哪个是最佳选择。短暂的选择后，两条路径上的信息素量的差异足以影响新蚂蚁进入系统的决定。从此刻开始，新的蚂蚁将更有可能选择信息量比较多的路径。因此，蚂蚁可以闻到信息素的味道，并且很可能选择以强信息素浓度为标志的路径。

在真实蚂蚁社会中，蚁群是有组织，有分工的。基于传统蚁群算法的多态蚁群算法，其中的“多态性”是指蚁群社会所具有多种状态的蚂蚁群体及信息素，根据分工的不同将蚂蚁分为:侦察蚁、搜索蚁和工蚁蚂蚁各司其职。其中，工蚁蚁群与路径寻优无关，所以就只需针对侦察蚁群和搜索蚁群设计各自的信息素调节机制。其中，侦察蚁群负责局部侦察，搜索蚁群负责全局搜索，这种利用蚂蚁种群的分工改进大大提高了蚂蚁群体之间的合作效果，增强了算法的有效性。侦查蚁以无人机的路径节点为中心，在调查过程中离开调查元素，以便搜索蚁到达路径节点时做出选择。

死锁指的是蚁群在路径搜索过程中遇到复杂环境时，可能会陷入无法移动的状态。这种状态称为死锁。当网格长度设置为1时，当无人机接着沿图1中的箭头方向在A点和B点处移动时，如果无人机在这个位置不能移动到周围的其他位置，则说明算法陷入死锁状态。

蚁群算法具有正反馈、分布式计算和用于贪婪搜索的特点，因而具有较强的鲁棒性和搜索性，目前已应用于多个领域。除了这个以外，蚁群算法还存在搜索时间长、收敛速度慢、容易陷入局部最优等缺点。在真实的自然界当中，真实蚁群社会中的蚁群是有计划有组织的，不同种类的蚂蚁群体具有不同的信息素调控制方式，不同的控制方式对群体完成繁杂的任务具有非常重要作用。

发明内容

本发明所要解决的技术问题是提供了一种基于自适应多态融合蚁群算法的无人机航迹规划方法。

为解决上述技术问题，本发明采用如下技术方案：

一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其包括如下步骤：

步骤1、采用网格法对初始环境进行建模，设置常量Q、C和N；

其中，Q表示侦察蚁循环一次释放的信息素总量，C表示初始时间每条路径上的信息量，N表示指定的迭代次数；

步骤2、将m个侦察蚁分别放置在n个路径节点上；每个侦察蚁调查以其路径节点为中心的其他n-1个路径节点；根据如下公式(1)计算调查要素S_ij(i,j＝1,2,.....,n-1,i≠j)，并将结果放到S_ij中：

其中，j∈i表示侦察蚁的可行点j在无人机路径节点i中；

dij为所选侦察蚁走过的总路径；

d_ij^min为以无人机路径节点i为路径中心时到其他N-1个路径节点的最小距离；