[发明专利]一种基于改进莱维飞行蚁狮优化算法的无人机航迹规划方法

权利要求书

1.一种无人机航迹规划算法，其特征在于采用改进levy飞行蚁狮优化算法进行无人机航迹规划。

2.根据权利要求书1所述的改进levy飞行蚁狮优化算法，其特征在于，包括以下步骤：步骤1.建立无人机规划空间数学模型；步骤2.构建航迹评价函数；步骤3.初始化蚂蚁和蚁狮种群，将levy飞行策略引入到蚁狮算法的蚂蚁随机游走中；步骤4.针对蚂蚁游走形式，应用自适应游走边界策略；步骤5.对于蚁狮向精英蚁狮靠近时，采用自适应精英蚁狮引导策略；步骤6.对蚁狮进行主动高斯变异策略；步骤7.通过计算航迹评价函数的优劣顺序对蚁狮位置进行排序，游走后的蚂蚁与当前位置最好的蚁狮对比，重新调整最佳蚁狮的位置，当达到算法的输出条件时，得到即为规划出代价最小的航迹。

3.根据权利要求书2所述的建立无人机航迹规划空间数学模型，主要包括：初始化航迹规划环境参数，设定起始点为(10,10)km与目标点位置为(100,75)km，雷达威胁分布坐标为(40,55)km，(35,45)km，(83,38)km，(70,60)km，(50,85)km，(80,90)km，(66,30)km以及半径分别是12km，12km，14km，14km，10km，11km，10km。

4.根据权利要求书2所述的构建航迹评价函数，本文将航迹评价函数简化为威胁代价J_t和油耗代价J_f，总的航迹代价函数由威胁代价和油耗代价加权得到：

J＝kJ_t+(1-k)J_f,k∈[0,1]

5.根据权利要求书2所述的对蚂蚁和蚁狮种群初始化,包括：设置蚂蚁和蚁狮种群规模为N＝10,M＝10，设置最大迭代次数T＝200，设置搜索维度D＝10；同时计算蚁狮位置的目标适应函数，保存最优蚁狮的位置，通过轮盘赌选择一个蚁狮，将levy飞行策略引入到蚁狮算法的蚂蚁随机游走中，公式如下：

L(s)～|s|^-1-β，0＜β＜2

其中s表示随机步长，μ、ν服从正态分布，Γ为积分运算；β通常取值为1.5。

6.根据权利要求书2所述的蚁狮自适应最优引导策略，其特征在于，基于传统蚁狮优化算法基础上应用自适应精英蚁狮引导策略可以在围绕选定蚁狮游走为主的同时，能够在迭代初期有更强的探索能力，提高算法全局搜索能力，而在迭代后期围绕精英蚁狮游走为主，保证算法后期对最优区域进行精细化开发，公式如下：

式中，为第t代第i个蚂蚁的位置，σ(t)为自适应系数，t为当前迭代次数，是蚂蚁在第t代蚁狮群中轮盘赌选出的一个蚁狮，是该蚂蚁在第t代精英蚁狮周围进行随机游走后的位置。

7.根据权利要求书2所述的对蚁狮进行主动高斯变异策略，其特征在于，对于蚁狮种群中适应度较低的个体采用最优引导的主动高斯变异策略，使较差蚁狮向精英蚁狮学习，从而提高算法的收敛速度和跳出局部最优的能力，公式如下：

式中，是精英蚁狮的位置，N(0,1)是服从标准高斯分布的随机函数。

8.根据权利要求书2所述的通过计算航迹评价函数的优劣顺序对蚁狮位置进行排序，游走后的蚂蚁与当前位置最好的蚁狮对比：

其中，为当前位置最佳的蚁狮。从而重新调整最佳蚁狮的位置，当循环迭代到最大迭代次数时，获得最佳蚁狮的位置，输出最优解。