[发明专利]一种基于粒子萤火虫群优化算法的无人机航路路径确定方法

说明书

本发明公开了一种基于粒子萤火虫群优化算法的无人机最优路径确定方法，将粒子群优化与萤火虫群优化算法融合，设计出一种粒子萤火虫群优化算法，基于自然界萤火虫群的生物学原理,受自然界萤火虫通过发光(荧光素)觅食或吸引同伴求偶行为以及鸟群觅食行为的启发,模拟其行为过程建立群智能算法模型,设计出一种高效的粒子萤火虫群优化算法，应用于确定无人机航行路径中，提供了一种性能更加优越的无人机路径确定方法，同时在PGSO中引进并行混合变异策略及在全局最优个体位置附近进行局部搜索的策略，使得PGSO求解无人机航行路径具有更高的飞行速度和定位精度。

技术领域

本发明属于无人机路径确定领域，尤其是一种基于粒子萤火虫群智能优化算法的无人机航路路径确定方法。

背景技术

在现代战争复杂的环境下，无人机(Uninhabited combat air vehicle；UCAV)有着常规战斗机无可比拟的优势。如今，无人机已经成为精确空中武器攻击系统中的一种新型攻击手段，其能够代替常规战斗机在复杂的战场环境下完成一系列攻击任务。无人机航路路径规划是以实现地形跟随、地形回避和威胁回避飞行为目的的新一代低空突防技术，无人机航路规划是任务规划系统的关键组成部分，其目标是在适当的时间内为无人机计算出最优或次优的飞行航路，该航路能使无人机突破敌方威胁环境，并且在完成任务目标的同时自我生存。无人机航路规划是一个高维优化问题，许多启发式算法已经用于该问题的优化，取得了一些有意义的研究成果。如遗传算法，蚁群优化算法，蜂群算法，水滴优化算法，进化算法等。

迄今为止，尚未发现有研究者将萤火虫群算法应用于无人机航路路径问题的求解。针对无人机航路路径规划问题，我们提出了一种粒子萤火虫群优化算法(Particle-glowworm swarm optimization algorithm；PGSO)，PGSO算法参照粒子群优化算法中的个体产生机制，对萤火虫群优化算法的个体产生机制进行了改进，使得萤火虫个体在位置更新的时不仅包含局部信息且包含全局信息。为了加快算法的收敛速度和提高其求解精度，算法还引入了并行混合变异策略及在全局最优个体位置附近进行局部搜索的策略，具有更优越的性能。

发明内容

本发明的目的是为了解决上述问题(个体间交流信息成本，加快算法收敛速度和提高其求解精度(由萤火虫种群的多样性导致位置移动的不确定性、无序性所造成的)，更优越性能，将粒子群优化与萤火虫群优化算法融合，设计出一种粒子萤火虫群优化算法，算法中萤火虫个体位置更新不仅包括局部信息，也包括全局最优的信息，减少了个体间交流信息的成本，并将粒子萤火虫群算法应用到无人机航路路径确定领域，提出一种基于粒子萤火虫群优化的无人机航路路径确定方法，提出了并行混合变异策略及在全局最优个体位置附近进行局部搜索的策略，加快算法的收敛速度和提高其求解精度。

本发明的一种基于粒子萤火虫群优化算法的无人机航路路径确定方法，具体包括以下几个步骤：

步骤一：根据任务信息确定路径的起始点和目标点，并根据起始点和目标点确定飞行区域。

步骤二：坐标变换，以起始点为坐标原点，起始点和目标点的连线为横坐标建立新的坐标系。

步骤三：利用粒子萤火虫群优化算法确定无人机路径。

步骤四：坐标反转换，得到无人机的最优路径，路径确定结束。

本发明的有益效果在于：

本发明基于自然界萤火虫群的生物学原理，受自然界萤火虫通过发光(荧光素)觅食或吸引同伴求偶行为以及鸟群觅食行为的启发，模拟其行为过程建立群智能算法模型，提出一种新颖的群智能优化算法(PGSO)，该算法减少了个体间交流信息的成本，加快了收敛速度和提高其求解精度，可有效地用于无人机航路最优路径确定。

附图说明

图1为本发明的方法流程图。

图2为本发明所述变换的新坐标系图。