[发明专利]一种基于自适应蚁群算法的无人机最优路径规划方法

权利要求书

1.一种基于自适应蚁群算法的无人机最优路径规划方法，其特征在于，包括以下步骤：

步骤1：将飞行区域网格化；

步骤2：初始化参数，包括蚂蚁总数m，迭代次数N，信息启发因子α，期望启发因子β；其中，m为大于0的整数，N为大于0的整数，α为大于0的正数，β为大于0的正数；

步骤3：将m只蚂蚁置于网格起始点；

步骤4：将各蚂蚁移到可行路径点直到所有蚂蚁到达目标点；

步骤5：计算可行路径代价并找出本次循环最优路径；

步骤6：进行信息更新；

步骤7：对信息素挥发因子ρ进行适应性调整；

步骤8：判断是否到达指定迭代次数；

若否，则回转执行步骤3；

若是，则输出最优路径。

2.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤1中，在飞行区域内建立二维直角坐标系，根据飞行区域的大小和威胁源的分布情况等间隔地将飞行区域划分成m×n个单元网格。

3.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤4中，通过转移概率公式将将各蚂蚁移到可行路径点直到所有蚂蚁到达目标点，其中转移概率公式为：

其中，P_k(r，s)表示第k只蚂蚁由位置r转移到位置s的状态转移概率，k＝1、2、…、m，m为蚁群中蚂蚁的总数目；τ(r，s)为路径(r，s)上的信息素量，蚂蚁k在运动过程中，根据各条路径上的信息素量决定其转移方向；η(r，s)表示路径点s相对于路径点r的能见度，η(r，s)＝1/d_rs，d_rs表示路径点r到点s的距离；j_k(r)表示第k个蚂蚁由路径点r可以到达的所有可行路径点的集合；α为信息启发式因子，表示轨迹的相对重要性，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率越接近于贪心规则。

4.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤5中，通过代价函数计算可行路径代价，代价函数为：

Wmin=∫0Lδωt(s)+(1-δ)ωf(s)ds;]]>

式中，W_min为代价函数的最小值，L为航路的长度，ω_t(s)航路的威胁代价函数，威胁代价与无人机的可探测性指标相关联，而可探测性指标又是根据无人机的雷达可探测概率计算的；ω_f(s)为航路油耗代价，与航程有关，是航程函数；δ为飞机安全系数，根据路径规划时的任务需求来适当调整；s表示无人机所选中的对应路径；

假设无人机沿网格图中的第p段航迹飞行时，航迹A、B两点间的威胁代价近似地认为正比于d^-4，则威胁代价函数为：

ωt,p=LPΣj=1N(d0.1-4jd+d0.3-4jp+d0.7-4jp+d0.9-4jp);]]>

其中，L_P为第p段航迹的长度，N为威胁阵地的数目，为第p段航迹的r处距第j个威胁点距离，r＝0.1、0.3、0.5、0.7、0.9；

代价函数值最小的可行路径为本次循环最优路径。