[发明专利]基于灰狼优化算法的军用运输机航路规划方法

说明书

本发明公开了一种基于灰狼优化算法的军用运输机航路规划方法，本发明基于图论相关知识构建了航空网络模型，收集相关数据，为后续的建模求解做铺垫。在已构建航空网络基础上，提出基于GWO算法的军用运输机航路规划方法。结果表明GWO算法用于军用运输机航路规划问题是可行的，能够很好的完成军航航路规划的求解。采用本文方法对北京地区航空网络节点间最短路径求解，并与Dijkstra算法和Floyd算法进行比较，验证了方法的实用性和有效性。在未来的研究中可考虑更多的对军用运输机飞行有影响的因素，重新建立目标函数，以科学、合理地进行航路规划。

技术领域

本发明涉及航空技术领域，尤其涉及一种基于灰狼优化算法的军用运输机航路规划方法。

背景技术

军用运输机担负着重要的运输任务，在军事行动中的地位举足轻重。而运输机的航路规划是指在综合考虑各种因素的影响前提下，从航图中规划出起飞和降落机场间的最短航路。在大量航路中，选择科学的规划方法，寻找起点到终点的最短航路，是一个复杂的过程，故可将运输机航路规划问题归结为最短路径问题。

现有航路规划方法通常可归纳为三类：一是传统方法，例如Voronoi图法、栅格法等；二是智能优化算法，例如遗传算法、粒子群优化算法等；三是其他算法，例如动态规划算法等。传统算法对障碍物的要求较为理想化，实际地形对规划出结果影响很大。智能优化算法的特点是不受函数求导的限制，在全局搜索和稳定性方面具有优势，但也存在效率低、速度慢、无法适用动态地图的缺点。其他算法，如动态规划算法，在局部路径上可以达到最优值，也适用于动态地图，但是无法确保全局最优。相比较而言，灰狼优化(Grey WolfOptimization,GWO)算法能在迭代中通过不断调整收敛因子，实现种群的局部寻优和全局寻优，并通过多个基准测试函数进行测试，从结果上验证了该算法的可行性，并在对基准测试函数的求解精度和稳定性上优于遗传算法、粒子群优化算法与差分优化算法等。因此，GWO算法在最优无功电力调度、表面波数优化、多输入多输出系统优化、直流电机最优控制、无人机航路规划等工程问题上得到了广泛应用。

鉴于最短路径问题是图论中的经典问题，本文提出基于图论知识构建航空网络，并在此基础上提出了基于一种非线性调节参数的GWO算法的航路规划方法。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于灰狼优化算法的军用运输机航路规划方法。

本发明通过以下技术方案来实现上述目的：

本发明在航空网络基础上实现军用运输机的航路规划，采用改进灰狼算法优化计算步骤如下：

(1)明确目标，对航空网络内的飞行路径进行编码；

(2)设定种群数目N、最大迭代次数t_max、维数以及上下界；

(3)初始化种群、根据适应度函数及约束条件，找到最优的前三个计算备选解，令t＝1；

(4)更新和

(5)按照式

更新各个灰狼个体的位置；

(6)令t＝t+1；

(7)适应度函数计算每个灰狼个体的适应度值，保存最优的前三个计算备选解，判断t是否达到最大迭代次数，若是，则算法结束，输出最佳飞行路径，否则返回第4步；

(8)输出所规划的航路。

本发明的有益效果在于：