[发明专利]一种基于改进聚类算法的无人机航迹规划方法

说明书

一种基于改进聚类算法的无人机航迹规划方法，本发明涉及基于改进聚类算法的无人机航迹规划方法。本发明的目的是为了解决现有的多目标航迹规划方法中，针对每条航迹进行聚类，导致准确率低，计算量大的问题。过程为：一、设置差分进化算子控制参数；最大聚类数；交配限制概率；生成初始种群并计算目标值；建立外部文档；二、设置迭代次数为T次，令t＝1；三、找到每个路径点的邻居路径点；四、设置航迹条数，令i＝1；五、产生新航迹；六、计算新航迹目标值；七、将更优的航迹保存在外部文档中；八、令i＝i+1，重复四到八，直至i＝N；九、更新种群，令t＝t+1，重复执行二到九，直至t＝T。本发明用于无人机航迹规划领域。

技术领域

本发明涉及基于改进聚类算法的无人机航迹规划方法。

背景技术

至今为止，学者们已经提出了多种航迹规划方法，例如，A*算法，D*Lite算法，双层规划算法，基于网格的算法和智能计算方法。

尽管人们提出了大量的求解无人机航迹规划问题的方法，但是人们通常将航迹规划问题表示为单目标优化问题，并提出单目标优化算法。然而航迹规划问题通常具有多个相互矛盾的目标，例如希望获得最小被摧毁概率但是同时希望航迹最短。现有的处理多个相互矛盾的目标的方法是将每个目标乘以一个系数，然后将这些加权后的目标值相加。事实上，这些相互矛盾的目标的属性是不同的，不能简单地将这些目标加权求和。而且如何确定合适的加权系数是一个关键的但又不易解决的问题。此外，基于一组固定的加权系数运行一次单目标优化算法仅能获得一个最佳的飞行航迹，一旦决策者的偏好有所改变，就需要再运行一次算法以获得新的最优航迹。考虑到多目标演化算法有强大的全局搜索能力和鲁棒性，以及仅运行一次即可为决策者提供多样化的折衷航迹，利用多目标演化算法求解无人机航迹规划问题较为实用。

已有文献中提出了一些求解无人机航迹规划问题的多目标演化算法。Mittal和Deb利用结合了局部搜索方法的NSGA-II解决了两种航迹规划问题，一种航迹规划问题除了无人机和地形约束外不考虑其他约束条件，另一种规划问题定义了一个无人机必须经过的特殊点。在规划无人机的安全飞行路线时，为了同时获得研究人员感兴趣的目标的双基地SAR成像，Sun等使用了文献中的算法，以找到无人机导航和双基SAR成像之间的折衷解。此外，为了求解这一优化问题，Sun等还提出了一种约束自适应多目标差分进化算法，根据熵自适应调整差分进化算子控制参数。文献中，以NSGA-II为框架，设计了几种变异算子，并自适应调整算子的使用概率，然后用改进的算法优化飞行长度，飞行高度以及总威胁指数。此外，受A*算法启发，还提出了一种重构算子使解逃离受限区域。为了更好地演化航迹中的优质路径点，Yang等提出将原始航迹规划约束条件和目标函数分解成一系列新的子函数，然后单独演化评估每个路径点。其中，路径点的优化算法是结合了基于优先级的多准则处理方法的JADE算法。为了规划多个无人机的航迹，Besada-Portas等提出了基于无人机属性，地形和不同优先级的优化准则，并提出了每个无人机使用一种演化算法并在演化时分享最优解的多智能体协同进化算法。考虑到航迹规划中变化的环境和受限的信息，Peng等提出了一种动态多目标演化算法，该算法挑选历史Pareto解集构建时间序列，并利用一种预测方法推测新的Pareto解集。

总体来看，目前不将目标加权求和，而是直接求解无人机多目标航迹规划问题的方法较少，需要学者们进一步研究。

无人机航迹规划问题是一类具有多个目标和约束条件的优化问题。考虑到无人机航迹规划问题存在多个相互冲突的优化目标，这些优化目标的属性不同，不能简单地加权求和，且加权系数较难确定，利用多目标演化算法直接优化无人机航迹规划的多个目标较为实用。

在多目标演化算法中，可以利用聚类算法提取解的分布信息，辅助局部搜索。此外，在航迹规划问题中，一条路径即为一个解，所以聚类算法可以找到当前航迹的邻居航迹。然而第i条航迹的第j个路径点可能离第i条航迹的邻居航迹中的第j个路径点很远。利用这种实际分布很远的路径点执行重组操作不能理想地提高算法的局部搜索能力。

发明内容