[发明专利]基于遗传算法的无人机侦察路径规划方法及装置

说明书

本申请涉及一种基于遗传算法的无人机侦察路径规划方法和装置。所述方法包括：从态势地图中获取待侦察任务目标，通过高斯混合模型的期望最大化算法，得到无人机在待侦察任务子区域内的初始位置；设置无人机侦察的约束条件和目标函数；得到无人机所分配的最优侦察点位集合，然后将侦察点位集合的最短路径总长度作为目标函数，建立第二求解模型；通过引入部分匹配交叉算子的遗传算法对第二求解模型进行寻优，得到无人机侦察路径规划问题的最优解，根据无人机侦察路径规划问题的最优解对无人机侦察路径进行规划。采用本方法能够提高无人机持续侦察效率。

技术领域

本申请涉及无人机技术领域，特别是涉及一种基于遗传算法的无人机侦察路径规划方法、装置、计算机设备和存储介质。

背景技术

随着越来越多的自然或是人为的灾害发生，这些灾害如地震、核泄漏、大型火灾等不但造成了人民群众不可挽回的财产损失，更严重地威胁到了人民群众的生命安全。随着近年来无人机技术的发展以及人工智能的兴起，智能化无人机侦测系统也逐渐成为了无人机领域研究的一个热点。但是，面对大面积的灾区持续侦察，单个无人机由于航程以及自身信息传输带宽的限制开始显得力不从心，无人机蜂群的持续侦察成为一种较为完美的解决方案，虽然无人机蜂群的持续侦察已经有学者在研究，但是无人机蜂群持续侦察的相关理论仍然不够成熟，大多数仍停留在理论阶段，距离实际应用仍有一段距离。

目前在蜂群无人机对指定区域持续侦察智能优化优化方面仍然存在短板，无人机的研究大多集中在单个无人机的功能与优化。目前无人机蜂群大多用于民用的夜景无人机灯光展示，军事领域蜂群无人机也刚刚有所发展，在更高层次应用仍有欠缺。如何实现多无人机群持续侦察的智能化、高效化仍是急需解决的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够无人机持续侦察效率的基于遗传算法的无人机侦察路径规划方法、装置、计算机设备和存储介质。

一种基于遗传算法的无人机侦察路径规划方法，所述方法包括：

获取待预测区域的地图和地图中的待侦察点位的位置和个数；以及获取预先设置的各个侦察任务的任务紧急度参数；

将任务紧急度参数和待侦察点的位置进行绑定，得到态势地图；

从态势地图中获取待侦察任务目标，通过基于高斯混合模型的期望最大化算法对待侦察任务目标进行聚类分析，得到聚类结果；聚类结果包括：无人机待侦察任务目标子区域和无人机在待侦察任务子区域内的初始位置；

根据初始位置、侦察状态向量以及侦察力参数，设置无人机侦察的约束条件；以及将待侦察点位的任务紧急度参数之和设置为无人机待侦察任务分配的目标函数；其中，侦察状态向量用于标记待侦察点位的侦察状态，侦察力参数是根据任务紧急度参数确定的；

根据约束条件和目标函数，建立无人机待侦察点位分配问题的求解模型；

通过遗传算法对求解模型进行寻优，得到无人机所分配的最优侦察点位集合；

根据无人机所分配的最优侦察点位集合，将无人机所分配的侦察点位集合的最短路径总长度作为目标函数，以各个侦察点位的访问顺序为约束条件，建立第二求解模型；

通过引入部分匹配交叉算子的遗传算法对第二求解模型进行寻优，得到无人机侦察路径规划问题的最优解；

根据无人机侦察路径规划问题的最优解对无人机侦察路径进行规划。

在其中一个实施例中，通过引入部分匹配交叉算子的遗传算法对第二求解模型进行寻优，得到无人机侦察路径规划问题的最优解，包括：

对第二求解模型中的目标函数进行求解，得到无人机侦察路径规划问题的候选解；

将目标函数的倒数作为无人机侦察路径规划问题的适应度函数；