[发明专利]基于进化迁移优化的多无人机路径规划方法、终端及介质

说明书

本发明公开了一种基于进化迁移优化的多无人机路径规划方法、终端及存储介质，方法包括：根据收集到的相关数据集对多无人机的路径规划进行高斯建模；根据多个目标的优化模型中离散化步长的不同将路径规划构建为多个具有不同保真度的优化任务；对每个优化任务分配一个进化种群；基于训练好的重构神经网络模型以进化迁移的方式产生每个优化任务的新子代种群，合并父代种群和新子代种群中的解个体；输出最终主任务的进化种群中的帕累托最优解集。本发明根据无人机飞行轨迹离散化步长的不同构造一个高保真度的主任务和多个低保真度的辅助任务，并将辅助任务的解个体通过迁移学习的方法转换为保真度高的主目标任务的解个体，可以提升优化的性能和效率。

技术领域

本发明涉及无人机系统优化领域，尤其涉及的是基于进化迁移优化的多无人机路径规划方法、终端及存储介质。

背景技术

无人驾驶飞机(UAV)在公共空域的娱乐和商业用途正在急剧增加。出于安全考虑而制定的法规，一直是无人机更广泛使用的一个重大障碍。然而，随着无人机使用的增加，新的风险暴露出现，可能导致巨额的索赔。无人机提出的两个优先考虑的安全问题包括空中碰撞和失控。如果操控员不能及时看到并避开其他(有人驾驶或无人驾驶)飞机，可能会发生碰撞，而失去控制可能由多种因素造成，如系统故障，飞行超出信号范围(如无线电、WiFi或GSM网络)或环境条件(如恶劣天气或GPS接收不良)等。虽然无人机空中碰撞可以通过操作计划和加入传感系统而避免，但失去控制的情况在本质上是随机的，需要采取适当的风险评估方法，以尽量减少这种情况的发生或降低发生危险的严重程度。风险评估已经进入到了当前无人机交通管理系统的视角。无人机交通管理系统必须具备预测和规避风险的能力，通过评估环境和对无人机的操作，并提供有效的规划，最终将风险最小化。传统的无人机操作的安全风险评估侧重于根据一些可能性和严重性类别分别定义安全风险概率和安全风险严重程度。但这些类别没有充分利用好可从有关部门或机构收集的数据，而这些数据允许通过概率分布以更精确的方式定义风险概率和风险严重程度。基于上述原因，依据收集的数据集以概率模型驱动的风险度量可以最大化无人机特定操作的安全程度。

大数据正变得越来越流行，可从不同来源获得的大量信息，因此，无人机作业的数据驱动概率风险度量在其路径规划中得到了广泛的应用。路径规划是无人机安全高效运行的重要组成部分，它允许无人机自主计算从起点到终点的最佳路径。沿途信息的不确定性自然会考虑用概率模型来描述其风险评估。近年来，无人机在不确定和动态环境下安全工作的基于风险的路径规划算法设计一直是一个很活跃的研究领域。在路径规划的背景下，还引入了其他基于概率的准则用于目标检测和跟踪。风险缓解可以根据路径积分风险度量和经典路径效率之间的权衡来定义，因而用概率分布函数描述的随机环境下作战的无人机路径规划可被定义为一个大规模昂贵的多目标优化问题。可以将不同的风险因素组合成一个统一的风险评估公式，从而自动化数据分析，为无人机交通管理系统的预测和规定能力提供有价值的见解，并简化人工操作人员的战略决策。但是，传统的数学方法很难求解，尤其是多无人机同时作业的场景下。因而，基于种群的多目标进化优化方法被专门设计用来处理随机环境下的多无人机路径规划，并得到了不错的效果。尽管如此，传统的多目标进化方法都是直接处理一个无人机的飞行轨迹离散化步长很细的高保真度问题，这样会使得种群收敛速度很慢且在处理这种计算代价昂贵的问题上效率很低。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种基于进化迁移优化的多无人机路径规划方法、终端及存储介质，以解决传统的多无人机路径规划方法优化效率低的问题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供一种基于进化迁移优化的多无人机路径规划方法，所述基于进化迁移优化的多无人机路径规划方法包括以下步骤：

根据收集到的不确定环境的相关数据集对多无人机的路径规划进行高斯建模，得到多个目标的优化模型；