[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

摘要

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。

主权项

1.一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其特征在于，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；步骤3、根据如下公式(2)设定初始时刻各路径上的初始信息量：其中，d_ij^max是以路径节点i为中心时到其他N‑1个路径节点的最大距离；C为常量，是初始时刻每条路径上的信息量；步骤4、随机选择每个搜索蚂蚁的初始位置，并将其放入相应的禁忌集合中；步骤5、根据如下公式计算将每只搜索蚂蚁k下一步转移的位置，并将其设置为j；将前一位置设置为i，并将j放入搜索蚂蚁k的相应禁忌表中，直到每只搜索蚂蚁k完成一个周期以获得解；其中，q是属于[0,1]上的随机数；j∈allowed_k表示j是可行点；q₀＝1‑e^‑1‑k(k＝1,2,3.......,N)，N为迭代次数；τ_ij(t)表示当前时间路径上的信息量；η_ij(t)表示启发函数，表示蚂蚁从路径点i转移到路径点j的期望程度，α表示信息素重要程度因子，α的值越大，表示信息素浓度在转移中起的作用越大；β表示启发函数重要程度因子，是先验知识在指导蚂蚁搜索过程中的相对重要程度，β越大，表示启发函数在转移过程中的作用越大，蚂蚁选择路径短的节点的概率越大；P_ij^k(t)表示自适应转换概率，其公式如下：其中，η_i表示位于路径节点i的蚂蚁下一步移动的潜在节点数量；υ表示下一步移动的潜在路径节点数量对蚂蚁路径选择的相对重要程度，下一步的潜在路径节点数量越多，信息素越少，即信息素与潜在路径节点数量成反比；当搜索蚂蚁k在路径搜索中陷入死锁，则采用方向确定法解决死锁的问题；步骤6、计算每个搜索蚂蚁的路径长度L_k(k＝1，2，...，m)，并记录当前最优解；步骤7、当已经达到指定的迭代次数N，或者所求的解在最近十次迭代中没有改善，则跳转到步骤9；否则，根据公式(5)修改每条路径的信息素浓度，公式(5)如下：其中，Δτ_ij^k(t)表示信息素浓度；Q表示蚂蚁循环一次释放的信息素总量；d_k^l表示路径节点i为中心到其他n‑1个路径节点的最短距离；L_best表示最佳的路径长度；步骤8、设置i＝0，j＝0，清除禁忌表，将N+1更新为N，并返回步骤4；步骤9、输出最优解。