[发明专利]一种基于改进聚类算法的无人机航迹规划方法

权利要求书

1.一种基于改进聚类算法的无人机航迹规划方法，其特征在于：所述方法具体过程为：

步骤一、设置差分进化算子控制参数{F,CR}；最大聚类数K；交配限制概率β；

式中，F为缩放因子，CR为交叉因子；

生成初始种群P＝{x¹,…,x^N}并计算P目标值；建立外部文档A＝P；

式中，x¹为第1条航迹，x^N为第N条航迹；

步骤二、设置迭代次数为T次，令t＝1，1≤t≤T；

步骤三、采用聚类算法找到每个路径点的邻居路径点S，S＝Clustering(P,w,K)；

式中，w为路径个数，Clustering为聚类；

步骤四、设置航迹条数是N，令i＝1，1≤i≤N；

步骤五、对路径点进行重组，产生新航迹np，np＝Reproduction(β,S,P,i,F,CR)；

式中，Reproduction为重组；

步骤六、计算新航迹目标值；

步骤七、将更优的航迹保存在外部文档A中，A＝Selection(A,np)；

式中，Selection为选择；

步骤八、令i＝i+1，重复执行步骤四到步骤八，直至i＝N；

步骤九、更新种群P＝A，令t＝t+1，重复执行步骤二到步骤九，直至t＝T；

所述步骤一中计算P目标值的表达式为：

x＝(x₁,y₁,z₁,…,x_w,y_w,z_w)^T

s.t.x_j∈[x_a,x_b],y_j∈[y_a,y_b],z_j∈[z_a,z_b],j＝1,…,w

式中，x为x¹或x^N，f₁(x)为最小化总航迹长度，f₂(x)为总飞行高度，g^k为约束函数，k为聚类数；x₁,y₁,z₁为第1个路径点的坐标值，x_w,y_w,z_w为第w个路径点的坐标值，w为航迹中路径个数；x_j,y_j,z_j是第j个路径点的坐标值，j是路径点在航迹中的序号；[x_a,x_b],[y_a,y_b]和[z_a,z_b]分别表示x，y和z坐标的下边界和上边界；

所述步骤三中用聚类算法找到每个路径点的邻居路径点S，S＝Clustering(P,w,K)；具体过程为：

步骤三一、设置种群P，路径点个数w，最大聚类数K；

令j＝2；

步骤三二、找到所有航迹中序号为j的路径点，形成全局路径点

式中，为第1条航迹的第j个路径点的x坐标值，为第N条航迹的第j个路径点的x坐标值，为第1条航迹的第j个路径点的y坐标值，为第N条航迹的第j个路径点的y坐标值，为第1条航迹的第j个路径点的z坐标值，为第N条航迹的第j个路径点的z坐标值；

步骤三三、用K-means算法将全局路径点SP_j划分为K个类，

式中，为SP_j划分后的第1类，为SP_j划分后的第K类；

步骤三四、令j＝j+1，重复执行步骤三一至步骤三四，直至j＝w-1；

步骤三五、如果仅存在1类，则将前个路径点归类到j＝2,…,w-1中，另一半路径点归类到j＝2,…,w-1中；

如果不是仅存在1类，结束；

步骤三六、如果k∈{1,…,K},j∈{2,…,w-1}中仅有一个路径点，则将SP_j中随机选择的路径点添加到中；

如果k∈{1,…,K},j∈{2,…,w-1}中不是仅有一个路径点，则结束；

式中，为SP_j划分后的第k类；

所述步骤五中对路径点进行重组，产生新航迹np，np＝Reproduction(β,S,P,i,F,CR)；具体过程为：

步骤五一、设置交配限制概率β；每个路径点的邻居路径点矩阵S；整个种群P；当前演化航迹编号i；DE算子控制参数{F,CR}；

令j＝2；

步骤五二、找到当前路径点的邻居路径点k∈{1,…,K}；

式中，为第i条航迹的第j个路径点的x坐标值，为第i条航迹的第j个路径点的y坐标值，为第i条航迹的第j个路径点的z坐标值；

步骤五三、建立配对池

式中，rand1为[0,1]范围内的随机数；

步骤五四、从M中随机选择两个点和作为交配父代；

步骤五五、利用差分进化算子演化当前路径点，得到尝试解；

式中，F为缩放因子，CR为交叉因子；rand2,rand3,rand4是[0,1]范围内的随机数；

步骤五六、针对采用多项式变异算子，获得新路径点

所述步骤七中将更优的航迹保存在外部文档A中，A＝Selection(A,np)；具体过程为：

步骤七一、设置外部文档A；新航迹np；

对种群A∪np进行快速非支配排序,若A∪np中存在被其他个体支配的解，执行步骤七二；

若A∪np中不存在被其他个体支配的解，则执行步骤七三；

步骤七二、删除Pareto等级最高的层中被最多的个体支配的解x^p∈A∪np；执行步骤七四；

步骤七三、删除超体积贡献度最小的解x^p∈A∪np；执行步骤七四；

步骤七四、若x^p≠np；将np存储在A中的第p个位置上，x^p＝np；

若x^p＝np；结束。