[发明专利]一种基于并行自适应蚁群算法的无人机覆盖路径规划方法

权利要求书

1.一种基于并行自适应蚁群算法的无人机覆盖路径规划方法，其特征在于：包括以下步骤：

步骤1：获取需实施覆盖路径规划的CPP区域和在CPP区域内需要避开的NFZ区域，对CPP区域和NFZ区域进行栅格处理，得到由多个CPP栅格构成的CPP区域，以及得到由多个NFZ栅格构成的NFZ区域，取每个CPP栅格的中心点作为一A类点，以此创建A类点集合VSA；取每个NFZ栅格的顶点作为一N类点，以此创建N类点集合VSN；以每个NFZ栅格的对角线为元素，创建集合NFZS；每个A类点和每个N类点均有唯一的序列号；

步骤2：判断A类点集合VSA中任意两个A类点构成的子路径是否经过NFZ区域，若子路径与集合NFZS中所有的对角线都不相交，则判定该子路径不经过NFZ区域，将该子路径记录在子路径矩阵中；若子路径与集合NFZS中的任意一条对角线相交，则判定该子路径经过NFZ区域；对于经过NFZ区域的子路径，取N类点集合VSN中的所有点和构成该子路径的两个A类点，组合成一个点集合，用这个点集合构建无向图，以该子路径的起点为避障后起点，以该子路径的终点为避障后终点，采用Dijkstra算法，在无向图上求解出从避障后起点到避障后终点的最短路径，该最短路径为避障子路径，将该避障子路径记录在子路径矩阵中；

步骤3：采用多个并行线程，每个线程通过SAACO算法，得到当前线程的最优解；

步骤4：当所有并行线程结束后，在多个线程的最优解中，取适应度值最小的最优解作为算法最优解；

步骤5：将算法最优解转换为最优路径，该最优路径为无人机覆盖最优规划路径；

其中，步骤3中，所述的通过SAACO算法，得到当前线程的最优解，包括以下子步骤：

S310：通过随机产生多个参数向量来初始化参数存档，所述参数存档中存储有多个参数向量、每个参数向量的适应度值和每个参数向量的选择权重；每个参数向量拥有多个参数值；所述参数值包括解存档中解向量的数目n、每个线程的蚂蚁数目q和搜索解存档范围大小参数；

S320：从参数存档中选择一个参数向量，用这个参数向量中对应的参数值设置解存档中解向量的数目n；

S330：随机产生个解向量，计算每个解向量的适应度值，将解向量和它的适应度值存入解存档中；所述解存档中存储有n个解向量、每个解向量的适应度值和每个解向量的选择权重；该解向量为路径顺序经过的点的序列号组成的向量；每个解向量包含A类点集合VSA中所有的A类点，且每个A类点只出现一次；所述解向量的适应度值为：将解向量对应的路径在步骤2的子路径矩阵中查询，得到避障后路径，该避障后路径的总飞行时间为该解向量的适应度值；

S340：对解存档中的解向量按照适应度值进行排序，仅保留前n个解向量；

S350：从参数存档选择一个参数向量作为基本向量，利用基本向量构造新的参数向量，将新的参数向量作为当前参数向量，用当前参数向量中对应的参数值设置解存档的数目n、蚂蚁数目q和搜索解存档范围大小参数；

S360：每个蚂蚁依据自身搜索解存档范围，从解存档中选择一个解向量，通过对该解向量进行反转和插入操作，构造出新的解向量；计算新的解向量的适应度值，并将该新的解向量和它的适应度值存入解存档中；直至q个蚂蚁全部完成；

S370：对解存档中的解向量按照适应度值进行排序，仅保留前n个解向量；

S380：将蚂蚁构造的q个新解中最优解的适应度值作为当前参数向量的适应度值，将当前参数向量和它的适应度值存入参数存档中，存入后，将参数存档中的参数向量按照适应度值进行排序，仅保留前a个参数向量，其中a为参数档案中参数向量的数目；

S390：判断是否达到最大迭代次数，若没有，则转入S350：否则退出循环，得到当前线程输出的最优解。

2.根据权利要求1所述的一种基于并行自适应蚁群算法的无人机覆盖路径规划方法，其特征在于：在所述的取每个NFZ栅格的顶点作为一N类点，以此创建N类点集合VSN之前，还包括：对于由多个NFZ栅格构成的NFZ区域，将存在公共边的NFZ栅格进行合并，得到合并后的NFZ栅格；

将合并后的NFZ栅格的顶点作为N类点，以此创建N类点集合VSN。