[发明专利]一种基于万有引力搜索的无人机航路规划方法

权利要求书

1.一种基于万有引力搜索的无人机航路规划方法，其特征在于：该方法具体步骤如下：

步骤一：无人机航路规划数学模型的建立；

(1)无人机战场数学模型的建立，利用一种确定性状态空间搜索方法，减小规划空间的规模，将无人机航路规划问题简化成为一个二维航路规划问题，即一个D维函数优化问题；

minJ=∫0L[kwt+(1-k)wf]ds---(1)]]>

式中，L表示航路的长度；J表示广义代价函数；w_t表示航路的威胁代价；w_f表示航路的燃油代价；系数k∈[0，1]表示安全性能和燃油性能的权衡系数，重视飞行的安全性，则k选择较大的值，需要快速性，则k选择较小的值；

(2)航路优化性能指标数学模型的建立，根据无人机任务的安全性能指标和燃油性能指标，对无人机的威胁代价建立数学模型；

wt,Lij=Lij55Σk=1Nttk*(1d0.1,k4+1d0.3,k4+1d0.5,k4+1d0.7,k4+1d0.9,k4)---(2)]]>

式中，L_ij表示连接节点i，j的长度；d_0.1，k表示L_ij边上0.1分点距第k个威胁源中心的距离；t_k表示威胁源的威胁等级；

步骤二：初始化改进的万有引力搜索算法参数设置和战场环境参数设置；

参数设置为：种群规模M，优化维数D，最大迭代次数NCmax，速度更新方程中c₁＝c₂，质量更新权值最大值C_max，最小值C_min，威胁代价权值k；威胁区类型包括雷达、火炮、导弹，其中火炮1火炮2雷达1雷达2和导弹的中心坐标center，威胁半径R，威胁等级为T；无人机任务起始点start和出发点坐标aim；

步骤三：随机初始化N条路径以及各个粒子的初始位置和加速度，建立旋转坐标系，将战场威胁信息转化到旋转坐标系上，将旋转坐标系的横轴D等分；

步骤四：根据战场上各个威胁的信息以及在步骤一中建立的战场威胁数学模型，计算每一条路径的威胁代价，得出各个粒子的适应度值fitness，适应度最好值best(t)，适应度最坏值worst(t)，更新引力常数G(t)；

步骤五：按照下式基于权值的规则更新粒子的惯性质量M_i(t)；

mi(t)=fitnessi(t)-worst(t)best(t)-worst(t)---(6)]]>

Mi(t)=(mi(t)Σj=1Nmi(t))Ki(t)---(7)]]>

这里，对每一个M_i(t)加上一个权值K_i(t)，K_i(t)的定义如下：

Ki(t)=CminMmin-CmaxMmaxMmin-Mmax-Mi---(5)]]>

式中，K_i(t)表示对第i个粒子的惯性质量所加权值的大小；C_max和C_min分别表示权值的最大值和最小值；M_max和M_min分别表示惯性质量的最大值和最小值；

步骤六：根据万有引力准则计算各个粒子每个方向上的加速度的总和，按引入了PSO算法的群体信息的速度更新规则(3)对粒子速度进行更新，即

vid(t+1)=randivid(t)+aid(t)=c1randj(pbestd-xid(t))+c2randk(gbestd-xid(t))---(3)]]>

式中，rand_i、rand_j、rand_k表示在[0，1]之间的随机变量；c₁、c₂表示[0，1]之间的常量；p^d_best(t)表示粒子i经历过的最好位置；g^d_best(t)表示群体中所有粒子所经历过的最好位置；通过调节c₁、c₂的值，平衡引力和记忆以及社会信息的对搜索的影响；

步骤七：根据每个粒子更新后的速度对粒子的位置进行更新，按照优胜劣汰的选择操作规则(4)更新粒子的位置，即

式中，newⁱ_t表示粒子i在第t代更新之后的位置；currentⁱ_t表示粒子i在第t代更新之前的位置；表示粒子在第t代执行选择操作之后的位置；

步骤八：若迭代次数大于最大迭代次数NC_max，则退出循环；否则，返回步骤四进入下一迭代；将最终得到的最优航路坐标进行坐标反变换，并输出航路规划结果。