[发明专利]一种基于鲸鱼算法的多无人机协同搜索多动态目标方法

权利要求书

1.一种基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，包括以下步骤：

(1)建立环境模型，初始化目标概率地图；

(2)建立目标函数，对无人机目标搜索回报函数和环境搜索回报函数进行加权求和；

(3)对鲸鱼算法进行初始化，设置迭代次数k＝0，最大迭代次数k_max；

(4)利用目标函数获得鲸鱼在所有位置上的适应度值，更新参数，并确定鲸鱼种群初始个体最优位置与全局最优位置，然后k＝k+1；

(5)生成指示参数ε，判断参数ε是否小于预设阈值，若是则进行步骤(6)，否则进行步骤(7)；

(6)采用鲸鱼算法的收缩包围和随机搜索进行鲸鱼个体位置向量迭代更新，更新完成后进行步骤(8)；

(7)采用鲸鱼算法的螺旋上升进行鲸鱼个体位置向量迭代更新；

(8)计算个体位置的适应度值，并更新个体最优位置和全局最优位置；

(9)基于检测目标和运动预测目标更新目标概率地图；

(10)判断当前迭代次数k是否小于最大迭代次数k_max，若是，进行步骤(2)，否则，进行步骤(11)；

(11)输出全局最优位置。

2.根据权利要求1所述的基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，所述步骤(1)包括：

采用栅格法对搜索海域进行划分并标号，将搜索海域定义为E＝L_x×L_y，并将海域分割成N个栅格，N＝N_x×N_y，单元格i被定义为：i＝n_x+(n_y-1)×N_y，其中n_x＝1...N_x，n_y＝1...N_y，N_x＝L_x/R_s，N_y＝L_y/R_y；

建立目标概率图模型，并初始化目标概率图，P_i(t)∈[0,1]代表单元格i在t时刻的目标存在概率：

P_i＝∫∫sf(x,y)dxdy

其中S为单元格i所在的区域，f(x,y)为目标的联合和概率密度函数。

3.根据权利要求2所述的基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，所述步骤(2)中目标函数为：

J(t)＝ω₁J₁(t)+ω₂J₂(t)

其中ω₁、ω₂为权重系数，J₁(t)为目标搜索回报函数，J₂(t)为环境搜索回报函数；

其中b_i(t)表示找到目标的可能性δ_P表示目标阈值；e_i(t)是信息熵，表示时间t时单元格i中的不确定性程度：

4.根据权利要求1所述的基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，所述步骤(6)中收缩包围鲸鱼的个体位置更新公式为：

其中为收缩半径，ε₁、ε₂为区间[0,1]中的随机变量，a随迭代次数的增大从2线性减小到0，为当前最优解代表的位置。

5.根据权利要求1所述的基于鲸鱼算法的多无人机协同搜索多动态目标方法，其特征在于，所述步骤(6)中随机搜索鲸鱼的个体位置更新公式为：

其中为随机选择的其他鲸鱼的位置，是系数变量。