[发明专利]一种基于改进蚁群算法的无人机航路规划

说明书

本发明公开了一种基于改进蚁群算法的无人机航路规划，包括自适应ρ信息素挥发值、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素、对初始信息素分布进行优化和对路径选择规则改进。本发明通过改善了蚁群算法，使法寻求到的航迹有效长度，比旧有传统类型的模式更短，寻优路径更佳，并且在时间上获取了提高，同时获取的路径作用效果也非常良好。

技术领域

本发明涉及蚁群算法领域，尤其涉及一种基于改进蚁群算法的无人机航路规划。

背景技术

蚁群算法，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法，蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

而在传统蚁群算法的分析过程中，传统的蚁群算法存在着搜索效率低、耗时较长、易早熟收敛过早等不足，从而影响无人机航路规划。

发明内容

针对上述问题，本发明提供了一种基于改进蚁群算法的无人机航路规划。

为解决上述技术问题，本发明所采用的技术方案是：包括以下步骤：

S1、自适应ρ信息素挥发值；

S2、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优；

S3、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素；

S4、对初始信息素分布进行优化；

S5、对路径选择规则改进。

优选的，所述步骤S1具体为：

S11、保存最优合理解在每一次周期循环结束完成之后，计算出最优合理解并且把其保存；

S12、经过降低ρ即使能够提升算法的全局搜查水平，但是又容易导致算法的收敛速率减少；所以能够自适合地转变ρ数值，ρ的初始值ρ(t₀)＝1。

优选的，所述步骤S2具体为：

改进速率信息素更新公式，每次迭代之后，利用强者更强，弱者更弱的思想进行改进，促使最短爬行行驶路线上面的信息素实际有效浓度更大，最久爬行行驶路线上面的信息素实际有效浓度更加低，多种迭代更新以后，蚂蚁都会在最优路径附近移动。

优选的，所述步骤S3具体为：

S31、需要充分扩增搜查分布空间，即需要操作控制好搜查路径上的信息素量；

S32、引进2个蚂蚁种群并行连接单独寻优，并且2个种群的系数设立是不完全一致的数值，不一致的系数设立促使2个种群与对应路径上的信息素实际有效浓度，具有比较多的差异不同；

S33、算法执行早期连续多次搜索到同样的解，则暂停搜查，立刻交换控制器设备与之对应路径上的信息素实际有效浓度；

S34、2个种群交换控制器设备信息素类似于转变了算法初始信息素，扩增深入、全面地了解和掌握的多元性，加强了运算方法寻优水平，在这其中，一个设立是比较多数值，除此之外一个设立是较低数值；

S35、当算法持续s代产生一致的最优合理解的时候，算法可能落入局部最优，与此同时，按照运算方程式实时动态修改调配信息素挥发因子；

S36、算法履行过程里挥发因子ρ数值大的转变得愈来愈小，而挥发因子ρ值小的变得越来越大，从而实现双向动态调整。