[发明专利]一种基于正态分布概率图的警务多无人机目标搜索方法

权利要求书

1.一种基于正态分布概率图的警务多无人机目标搜索方法，其特征在于，所述多无人机包括一个主无人机和若干个从无人机，所述方法应用于主无人机，所述方法包括：

网格化规定区域，并根据包括预定义重点搜索位置的先验信息为各个网格分配概率，得到初始概率图；

接收各个从无人机到达当前位置时的信息；所述信息至少包括无人机是否发现目标；

基于所述信息更新初始概率图，得到概率图；

基于所述概率图和粒子群算法控制各个从无人机进行目标搜索；其中，目标搜索包括：主无人机根据所述概率图求解各个从无人机下一步的位置，并将下一步的位置发给从无人机；从无人机到达之后，主无人机再次更新概率图，并根据更新后的概率图求解各个从无人机下一步的位置，重复这个过程，直至完成目标搜索；其中，粒子群算法以粒子群所在位置对应的所述概率图网格概率值最大作为适应度函数；

当接收到目标可疑位置时，将所述概率图按照正态概率分布赋值，将目标可疑位置所在网格设置为正态分布的中心，得到正态分布概率图；

基于所述正态分布概率图，按照粒子群算法控制各个从无人机进行目标搜索；

其中，将所述概率图按照正态概率分布赋值，包括：

将二维空间坐标以围绕中心位置分为5层，中心位置为第一层，围绕中心位置的网格为第二层，围绕第二层的网格为第三层，围绕第三层网格的第四层，其余网格为第五层；

根据正态分布概率公式对各层进行赋值：其中，x为网格的横坐标值，μ取目标可疑位置所在网格的横坐标值，σ取1；

第一层的概率值P¹＝P(5)；

第二层的概率值P²＝(P(4)+P(6))/n₂，n₂为围绕中心位置的网格数；

第三层的概率值P³＝(P(3)+P(7))/n₃，n₃为围绕第二层的网格数；

第四层的概率值P⁴＝(P(2)+P(8))/n₄，n₄为围绕第三层网格的网格数；

第五层的概率值P⁵＝P(1)+P(9)；

按照每层的概率值对每层包含的网格进行赋值，得到各个网格的概率值P^*_k(i,j)；

计算所有网格的概率值之和P_t；

通过P_k(i,j)＝P^*_k(i,j)/P_t对各个网格的概率值进行归一化处理，将P_k(i,j)赋值给网格(i,j)；P_k(i,j)表示归一化之后第k步网格第i行第j列的概率值，网格横坐标i的取值范围是[1，9]，网格纵坐标j的取值范围是[1，9]；

或，将所述概率图按照正态概率分布赋值，包括：

将二维空间坐标以围绕中心位置分为5层，中心位置为第一层，围绕中心位置的网格为第二层，围绕第二层的网格为第三层，围绕第三层网格的第四层，其余网格为第五层；

根据正态分布概率公式对各层进行赋值：其中，x为网格的横坐标值，μ取目标可疑位置所在网格的横坐标值，σ取1；

第一层的概率值P¹＝P(5)；

第二层的概率值P²＝P(4)＝P(6)；

第三层的概率值P³＝P(3)＝P(7)；

第四层的概率值P⁴＝P(2)＝P(8)；

第五层的概率值P⁵＝P(1)＝P(9)；

按照每层的概率值对每层包含的网格进行赋值，得到各个网格的概率值P^*_k(i,j)；

计算所有网格的概率值之和P_t；

通过P_k(i,j)＝P^*_k(i,j)/P_t对各个网格的概率值进行归一化处理，将P_k(i,j)赋值给网格(i,j)；P_k(i,j)表示归一化之后第k步网格第i行第j列的概率值，网格横坐标i的取值范围是[1，9]，网格纵坐标j的取值范围是[1，9]；

其中，按照粒子群算法控制各个从无人机进行目标搜索，包括：

根据各个从无人机的当前位置初始化每个从无人机对应的粒子群的初始位置；每个从无人机对应一个粒子群，每个粒子群包括若干个粒子；所述粒子具有位置属性；

针对每个粒子群，通过迭代满足适应度函数找到粒子群的全局最优解，给出与所述粒子群对应的从无人机下一步位置的全局最优解；所述适应度函数为粒子群所在位置对应的概率图网格概率值最大；

在每一次的迭代中，通过本次迭代粒子的局部最优解(Xb，Yb)和本次迭代粒子群的全局最优解(Xg，Yg)更新所述粒子的位置，包括：

在找到本次迭代粒子的局部最优解(Xb，Yb)和本次迭代粒子群的全局最优解(Xg，Yg)更新所述粒子的位置后，粒子通过下面的公式更新位置：

Xn’＝S*Xn+w1*Rand*(Xb-Xn)+w2*Rand*(Xg-Xn)；

Yn’＝S*Yn+w1*Rand*(Yb-Yn)+w2*Rand*(Yg-Yn)；

其中，n代表单个从无人机所包含的粒子的个数，n＝0，1，2……N；Rand代表随机数，取值范围[0，1]；(Xn，Yn)代表当前单个粒子位置；(Xn’，Yn’)代表单个粒子更新后的位置；w1、w2为学习因子；S代表惯性因子。