[发明专利]基于鸟群反掠夺特性的无人机集群智能模型与计算方法

权利要求书

1.基于鸟群反掠夺特性的无人机集群智能模型与计算方法，其特征在于，包括以下步骤：

步骤1、分析鸟群反掠夺特性来源与机制，建立多类型鸟类动态行动特性关系；

步骤2、建立基于鸟群反掠夺特性的无人机集群智能模型；

步骤3、设计基于鸟群反掠夺特性的无人机集群智能计算方法，设定优化规则和参数调整方法。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：

步骤1-1、构建侦察特性关系：当团队中的一名成员感觉到威胁时，团队中的其他个体会立即被告知危险；

步骤1-2、构建聚集性关系：当环境出现捕猎者时，鸟群会形成聚集性行为以规避或应对危险；

步骤1-3、构建协同关系：在鸟群中，每只鸟的运动方向不仅取决于个体的知识，还取决于群中其余鸟的知识，然后根据邻居的方向调整它们的路线。

3.根据权利要求2所述的方法，其特征在于，步骤2中，所述基于鸟群反掠夺特性的无人机集群智能模型包括侦察特性模型、聚集性模型和协同关系模型。

4.根据权利要求3所述的方法，其特征在于，步骤2中，所述侦察特性模型为：N台无人机中，至少有一台能够检测到捕猎者的可能性P_GD的计算公式如下：

P_GD＝1-e^-VTN

其中，V为每台无人机的扫描频率，T为被捕猎者发现后存活的时间间隔，e为自然对数；无人机的扫描频率V为：

5.根据权利要求4所述的方法，其特征在于，步骤2中，所述聚集性模型如下：每台无人机以空气动力学形式移动，并在无人机集群内传递信息，集群内的信息共享模型构建如下：

其中，C_int为邻域大小内无人机的相关矩阵平均值，nⁱ_c为第i台无人机的邻域大小，n_c为N台无人机组成集群的邻域大小，是场数据归一化速度之间的相关矩阵，表示无人机i和j的归一化速度。

6.根据权利要求5所述的方法，其特征在于，步骤2中，所述协同关系模型如下：集群内个体i和j的协同关系C_ij表达如下：

其中，表示协同关系的概率分布，Z({J_ij})是归一化因子，J_ij表示交互强度；C_ij是个体i和j的协同关系。

7.根据权利要求6所述的方法，其特征在于，步骤3包括：

步骤3-1、初始化无人机集群内个体参数，所述个体参数包括位置信息；

步骤3-2、选用Rastrigin函数对所得每个个体的极值进行优劣判定，选出最优解，Rastrigin函数的参数边界范围为[-5,5]，Rastrigin函数f(x)公式如下：

其中，x_i为个体i的位置信息；通过优化x_i群体，求解函数f(x)的最小解；

步骤3-3、对外界捕猎者进行扫描判定，如果当前环境未变化或最优解未改变，则转到步骤3-4，如果当前环境发生变化或最优解改变，则转到步骤3-2；

步骤3-4、对集体反应位置进行更新调整，在最优解的个体周边找到最临近的8个个体，通过与最优个体之间的拓扑关系，对每个个体的位置更新量如下；

其中，为个体速度，Δt为时间间隔；

步骤3-5、对集群反应速度进行更新调整；

步骤3-6、对局部优化陷入问题进行优化调整。