[发明专利]基于改进人工鱼群算法的无人靶车路径规划方法

说明书

本发明提出一种基于改进人工鱼群算法的无人靶车实时路径规划方法，实现步骤为：初始化无人靶车路径规划场景，并初始化改进的人工鱼群算法参数，每个无人靶车通过计算与其他无人靶车距离的平均值及视步参数对当前视野和步长进行自适应调整，根据适应度值获取当前最优路径状态，并获取公告板当前状态，最后通过控制最大迭代次数，得到最后的路径规划结果。本发明首次迭代是通过初始化的参数计算每个无人靶车的视野和步长，以后的每次迭代都是根据每个无人靶车向追尾、聚群、或觅食成功，或随机方向无人靶车移动后的自身状态，对每个无人靶车的视野和步长进行自适应调整，算法的收敛速度较快，且计算量小，有效提高了路径规划的效率。

技术领域

本发明属于无人靶车技术领域，涉及一种无人靶车路径规划方法，具体涉及一种基于改进人工鱼群算法的无人靶车路径规划方法。

背景技术

随着科技的进步，无人驾驶汽车发展迅猛，已经广泛应用在靶车行业。无人驾驶汽车经过简单的改装便可用作无人靶车，无人靶车是训练人员在靶场进行射击训练时需要使用的一种可移动设备，而路径规划是无人靶车技术的一个关键环节。无人靶车的路径规划是获取无人靶车从起点出发经过所有靶位到达终点所用时间最少的路径。传统的无人靶车路径规划方法中，无人靶车行驶在提前铺设好的轨道上，不能实现对路径自主规划，且铺设轨道成本高。基于磁导向或摄像导向的无人靶车路径规划方法能够实现无人靶车的自主规划路径，但该方法只能实现直线运动，运动方式单一，现有的无人靶车路径规划方法典型的方法是基于改进的蚁群算法实现无人靶车进行多方位的运动，通过转移概率和信息素更新最终得到路径规划结果，提高了无人靶车自主路径规划的速度，但改进的蚁群算法因信息素初值相同导致收敛速度慢及信息素更新中易陷入局部最优影响无人靶车路径规划的效率。

人工鱼群算法是基于自然界鱼类行为研究提出的一种解决最优化问题的智能化算法，是指在一片水域中，鱼往往能自行或尾随其他鱼找到营养物质多的地方，人工鱼群算法通过鱼进行聚群、追尾或觅食行为后适应度值的比较确定问题的解，算法初始化时需要对人工鱼群的视野和步长等参数进行固定设定，会影响算法的求解过程及计算量，进而影响得到最优解的效率。

现有技术中目前还没有检索到基于人工鱼群算法的无人靶车的路径规划方法，仅能实现对无人机路径规划方法，例如，申请公布为CN112650287A，名称为“一种基于人工鱼群的无人机路径规划方法”，公开了一种基于人工鱼群方法的无人机路径规划方法，该方法是在人工鱼群算法的基础上，无人机在每次迭代时通过视步系数调整自身步长，进行行为选择后获取公告板适应度值，并判断迭代次数或适应度值是否达到预设值，最终得到无人机飞行时间最短的路径规划结果。该方法虽然使用调整步长的人工鱼群算法使得无人机在自主路径规划时提高了收敛速度和精确度，但该方法在迭代过程中无人机的视野采用的是固定值，导致无人机路径规划易陷入局部最优解，且计算量大，进而影响无人机路径规划效率的进一步提升。

发明内容

本发明的目的在于针对上述现有技术的不足，提供了一种基于改进人工鱼群算法的无人靶车路径规划方法，用于解决现有人工鱼群算法中采用固定的鱼群视野和步长导致的无人靶车规划路径效率较低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)初始化无人靶车路径规划场景：

初始化包括K个带有标记的无人靶车A＝(A₁,A₂,...,A_k,...,A_K)和M个靶标B＝(B₁,B₂,...,B_m,...,B_M)的无人靶车路径规划场景，其中，K≥20，A_k表示第k个带有标记的无人靶车，M≥30，B_m表示第m个靶标；

(2)初始化改进的人工鱼群算法参数：