[发明专利]基于多目标遗传算法的飞行器航迹快速规划方法

权利要求书

1.基于多目标遗传算法的飞行器航迹快速规划方法，其特征在于，包括以下步骤：

步骤1，建立基于误差校正的飞行器航迹规划模型；

步骤2，采用多目标遗传算法对所述的飞行器航迹规划模型进行求解；

步骤3，综合考虑航迹长度和校正点的数目，获得航迹规划结果；

步骤1中所述的飞行器航迹规划模型的目标函数为总校正次数和飞行器轨迹长度组成的一个向量为目标函数，目标函数如下：

目标函数使飞行器的航迹长度尽可能小，并且在此基础上使飞行器经过校正区域进行校正的次数尽可能少；其中，m为校正点总个数，c_i为第i个校正点的决策变量，若校正点被选择为航迹，则c_i＝1，否则c_i＝0；f₁(c)为校正次数求和函数，

其中，x_i,y_i,z_i分别为第i个校正点所在三维空间对应点的x轴坐标值、y轴坐标值、z轴坐标值，f₂(x,y,z)为飞行器轨迹长度的求和函数；

飞行器在空中实时定位，当垂直误差和水平误差均小于θ个单位时，飞行器仍能按照规划路径飞行，即：其中，为垂直误差，水平误差；

飞行器垂直误差和水平误差的计算方法：其中，δ为飞行器飞行1米垂直误差和水平误差增加的单位；

在出发地A点，飞行器的垂直和水平误差均为0：

飞行器垂直误差校正后，其垂直误差将变为0，水平误差保持不变，即飞行器进行水平误差校正后，其水平误差将变为0，垂直误差保持不变，

当飞行器的垂直误差不大于α₁个单位，水平误差不大于α₂个单位时才能进行垂直误差校正，即当飞行器的垂直误差不大于β₁个单位，水平误差不大于β₂个单位时才能进行垂直误差校正，即

由此可以建立飞行器航迹规划模型：

步骤2中所述的多目标遗传算法包括以下步骤：

步骤201，个体编码设计；

采用0和1两个数对校正点进行编码，1代表实际进行校正的校正点，0代表实际不进行校正的校正点，m为校正点总个数，基因顺序为投影到AB线段上的投影位置顺序，染色体长度chromosome_length取决于AB之间校正点的数目，A点为出发点，B点为目的地；

步骤202，初始种群生成；

步骤20201，作一条连接A点和B点的直线，并将各个校正点投影到这条直线上，这条直线上存在若干个校正点投影点，由此根据投影点距离A点的远近程度对校正点做排序，即产生X₁，X₂，…，X_i，…，X_m校正点；

步骤20202，邻近胞体的建立；

为了减少搜索空间，优化初代基因质量，建立起邻近胞体模型；遍历所有的待选校正点，计算它与所有后序位的校正点的距离，对于每一个待选校正点建立一个半球邻近胞体，在此胞体内的所有邻近校正点与此胞体中心校正点的距离均在胞体半径以内，其中胞体半径为：r₁＝max{α₁,α₂,β₁,β₂}；

步骤20203，选取A的下一点；

把以A点为胞体中心的半球胞体内的所有校正点作为待选点，遍历每一个点，根据其到达此点前的水平误差和垂直误差是否满足校正条件，若满足校正条件则将此点作为A点的下一个点，作为初代种群中的个体染色体的第一个基因g_j，此时j＝1，若不满足，则重新选校正点，重复步骤20203；

步骤20204，以染色体g_j对应校正点为胞体中心的半球胞体为搜索空间，作一个半径为r_j+1′和r_j+1″的球，

r_j+1′＝supd_j

r_j+1″＝supd_j

其中，d_j为染色体g_j+1对应校正点与g_j点的距离，为一个中间变量，

将半径为r_j+1′的球与g_j中心半球胞体的交集的校正点作为集合C₁，将半径为r_j+1″的球与g_j中心半球胞体的交集的校正点作为集合C₂；在C₁∪C₂集合中随机选取一个元素作为第二个染色体g_j+1，此时j＝1；

步骤20205，若g_j对应校正点不为B，即航迹没有延伸到终点B点，转步骤20203；

设定初始种群规模为popSize＝500，即循环500次上述步骤20203、步骤20204、步骤20205；

步骤203，单点交叉；

当初代建立以后，或者选择后产生了popSize个子代，即开始进行交叉、变异操作；令r_i服从U(0，1)的均匀分布，这样随机产生[0，1]区间内的一个随机数r_i，令交叉率p_C＝0.25，若r_ip_C,则个体i被选择；把g_i和g_i+1两条染色体作为父代进行交叉，随机选择两条染色体的数字相同的一个位置作为断点，交换断点右端部分，将新产生的两个新的染色体加入到上一代种群中作为交叉个体；

步骤204，变异操作；

变异的步骤如下：令r_k服从U(0，1)的均匀分布，这样随机产生[0,1]区间内的一个随机数r_k，取k为从1到种群数量popSize之间的整数，令变异率p_M＝0.25,若r_kp_M，选择其对应的染色体进行变异，随机选择要进行变异的变异位，将此变异位取反，即将父代个体中对应的校正点是否在航迹中的状态取反；

步骤205，多目标函数加权和评价方法；

步骤20501，表示第k个目标函数的最大值和最小值，k＝1、2，如下定义，P为可行域解的集合，

若染色体g_j不满足染色体约束条件，则使用如下惩罚函数，

z_k＝[p₁f₁(g_j),p₂f₂(g_j)]

p₁,p₂为100到500中的随机数，其中，若满足约束条件，则z_k不发生改变；

步骤20502，某一个染色体g_j的权重和由下式求得，

其中，eval为评价函数，第k个目标函数的适应性权重由下式计算，

步骤206，轮盘赌选择；

从父代染色体和新生成的染色体中，按各染色体适应度的高低，选择留存到下一代的popSize数目的染色体，下面计算各染色体的选择率p_j以及累计选择概率q_j如下：

生成[0,1]区间内的随机数表r_k，若满足g_j-1＜r_k＜g_j则个体j被选择；

步骤207，终止条件；

若满足终止条件maxGen≥gen，maxGen为迭代次数，gen为代数，则算法停止，否则返回步骤203。

2.根据权利要求1所述的基于多目标遗传算法的飞行器航迹快速规划方法，其特征在于，在步骤204中，还采用了另外一种定向变异的方法，以增加变异个体的可行率，操作的步骤如下：

令r_k服从U(0，1)的均匀分布，这样随机产生[0，1]区间内的一个随机数r_k,取k为从1到种群数量popSize之间的整数，令变异率p_M＝0.25，若r_kp_M,选择其对应的染色体进行变异，随机选择要进行变异的变异位1，在以变异位1对应的半球胞体内再选一个类型和变异位1相同的变异位2，若变异位2无法选取，即在此半球胞体内没有第二个与变异位1类型相同的校正点，则对变异位1的数取反变异，若变异位2可以选取，则将变异位1的数取反，变异位2的数变成变异位1变异之前的状态。