[发明专利]一种基于多目标粒子群优化的无人机航迹规划方法

权利要求书

1.一种基于多目标粒子群优化的无人机航迹规划方法，其特征在于，包括以下步骤：

步骤1：获取无人机的信息数据和用户的信息数据；

步骤2：设置种群数量pop_size，初始化迭代次数k＝0；

步骤3：根据应用约束条件和目标函数，混合使用贪心算法和随机算法为pop_size个粒子生成可行航迹，作为初始粒子群pop，同时保存各粒子的位置和速度；对种群中每一个粒子生成均匀权重向量pi为粒子的索引，

将无人机的航迹规划问题表示为一个完整有向带权图G＝(C，E)中的优化问题；顶点集C＝{0，…，|V|-1，|V|，……，n+|V|-1}；n为该区域总用户数；V为该区域无人机集合；|V|为该区域无人机总数；r为无人机c_r的索引，r＝0，...，|V|-1；边集E＝{c_i，cj|c_i，c_j∈C，i≠j}，每条边c_i，c_j表示用户c_i与用户c_j之间的链接；i代表每条边的起点，i＝r，|V|，...，n+|V|-2；j代表每条边的终点，j＝|V|，...，n+|V|-1；

约束条件为：

(1)边与顶点的约束：恰好有一条路径进入和离开与用户相关联的每个顶点；

其中，

(2)用户集与无人机群的约束：每名用户只能使用一架无人机且所有航迹从无人机的位置开始；

(3)无人机总容量约束：每架无人机的负载不得超过其承载能力；

其中，q_j表示用户j的需求；Q_r为无人机的最大承载量；

(4)无人机工作最长时间约束：

其中，d_ij表示用户c_i到用户c_j之间的欧几里得距离，v^r为无人机c_r的速度；为无人机c_r等待用户c_j的时间，为用户c_j最早可以被无人机c_r服务的时间；表示无人机c_r到用户c_j的时间；表示无人机c_r服务用户c_j的时间；T_r为无人机c_r最晚完成任务时间；

(5)每个客人完成时间的约束：

其中，complete_j表示最晚结束服务用户c_j的时间；

(6)每个客人的时间窗约束：

当i＝r时，表示用户c_j等无人机r的时间；表示用户c_j最晚可以被无人机c_r服务的时间；

目标函数为：

其中，为索引为pi的粒子在更新k次后的位置；

步骤4：设置第二阶段基于分解的多目标粒子群算法的邻居个数T、学习率C₁和C₂、线性速度更新权重上限w₀和下限w₁、停止迭代次数sg、额外粒子群更新条件rg、最大迭代次数max_gen、外部储存集EP的最大容量EP_num；为初始粒子群pop中的每个粒子设置一个flag值，初始时flag＝0；初始化外部储存集EP更新次数EP_tracker＝0；

步骤5：根据初始粒子群pop中各粒子的各目标函数值，更新每个目标函数的上限max_ni和下限min_ni；

步骤6：计算初始粒子群pop中每个粒子的标量适应度函数并将每个标量目标函数上的最小值作为参考分量构建初始粒子群pop的参考向里

步骤7：复制初始粒子群pop作为局部最优粒子群pbest，构建外部储存集EP；

所述的外部储存集EP的构建方法为：

如果局部最优粒子群pbest中存在索引为pi的粒子占优外部储存集EP中所有的粒子，则复制该粒子并加入到外部储存集EP中，且该粒子在外部储存集EP中的索引仍为pi；若外部储存集EP中已存在索引为pi的粒子，则用局部最优粒子群pbest中索引为pi的粒子替换外部储存集EP中索引为pi的粒子；

如果局部最优粒子群pbest中索引为pi的粒子加入外部储存集EP后，外部储存集EP中的粒子数大于外部储存集EP的最大容量EP_num，则将局部最优粒子群pbest中索引为pi的粒子的切比雪夫值与外部储存集EP中各粒子的切比雪夫值做差，移除外部储存集EP中对应差值最大的粒子；

局部最优粒子群pbest中索引为pi的粒子的切比雪夫值的计算方法为：

步骤8：若局部最优粒子群pbest中存在rg次没有进行更新的粒子，则根据该粒子在局部最优粒子群pbest中的索引，更新初始粒子群pop中与该粒子索引相同的粒子的速度和位置，并执行步骤9；否则，直接执行步骤11；

初始粒子群pop中索引为pi的粒子的PSO速度更新公式为：

其中，w是随迭代次数线性变化的惯性权重系数，w＝w₀-(w₀-w₁)*k/max_gen；σ₁为在[0，1]上的邻域随机数；σ₂为在[0，1]上的外部储存集随机数；为在局部最优粒子群pbest中索引为pi的粒子的邻居粒子的位置；勾在外部储存集EP中索引为pi的粒子的位置；δ为维度，δ∈[0，n+|V|-1]；为索引为pi的粒子在更新k次时在各维空间上的速度；

初始粒子群pop中索引为pi的粒子的位置更新公式为：

步骤9：根据更新后的初始粒子群pop，更新每个目标函数的上限max_ni和下限min_ni，更新初始粒子群pop的参考向量z^k；

步骤10：将局部最优粒子群pbest中索引为pi的粒子与初始粒子群pop中相同索引的粒子的全部邻居粒子Brand_bi进行切比雪夫值比较；当局部最优粒子群pbest中索引为pi的粒子与初始粒子群pop中相同索引的粒子的邻居粒子的切比雪夫差值大于0.001时，将邻居粒子的信息更新给局部最优粒子群pbest中索引为pi的粒子；重复执行步骤10，直至遍历局部最优粒子群pbest中所有粒子；

步骤11：对初始粒子群pop中的每一个粒子进行局部搜索策略，选择每一个粒子中用户最少的路线，并尝试将该路线的用户插入其他路线中且仍然满足约束条件，同时更改对应索引的的值；

步骤12：更新进行局部搜索策略后初始粒子群pop中每个粒子的速度和位置：

初始粒子群pop中索引为pi的粒子的CLPSO速度更新公式为：

其中，为在局部最优粒子群pbest中索引为pi的粒子的随机rn个邻居粒子的位置；rn为随机邻域解的个数；ri表示第几个随机邻域解，ri∈[0，rn-1]；rand_ri为随机的邻域解在局部最优粒子群pbest中的索引；

初始粒子群pop中索引为pi的粒子的位置更新公式为：

步骤13：根据更新后的初始粒子群pop，更新每个目标函数的上限max_ni和下限min_ni，更新初始粒子群pop的参考向量z^k；

步骤14：更新局部最优粒子群pbest和外部储存集EP；如果局部最优粒子群pbest中所有粒子都没有进行更新，则令EP_tracker＝EP_tracker+1；

所述的局部最优粒子群pbest和外部储存集EP的更新方法为：

步骤14.1：从初始粒子群pop中索引为pi的粒子的邻域中随机选择rn个不重复的邻居粒子将局部最优粒子群pbest中索引为pi的粒子与邻居粒子进行切比雪夫值比较；若局部最优粒子群pbest中索引为pi的粒子与邻居粒子的切比雪夫差值大于0.001时，将邻居粒子的信息更新给局部最优粒子群pbest中索引为pi的粒子；

步骤14.2：重复执行步骤14.1，直至遍历局部最优粒子群pbest中所有粒子；

步骤14.3：更新外部储存集EP；

如果局部最优粒子群pbest中存在索引为pi的粒子占优外部储存集EP中所有的粒子时，则将该粒子加入外部储存集EP中；若外部储存集EP中已存在索引为pi的粒子，则用局部最优粒子群pbest中索引为pi的粒子替换外部储存集EP中索引为pi的粒子；

如果局部最优粒子群pbest中索引为pi的粒子加入外部储存集EP后，外部储存集EP中的粒子数大于外部储存集EP的最大容量EP_num，则将局部最优粒子群pbest中索引为pi的粒子的切比雪夫值与外部储存集EP中各粒子的切比雪夫值做差，移除外部储存集EP中对应差值最大的粒子；

步骤15：令k＝k+1，若EP_tracker＝＝sg或者k＝＝max_gen，则停止迭代并输出外部储存集EP作为最终的可选方案集；否则，返回步骤8。