[发明专利]一种基于异质化鸽群优化算法的多无人机路径规划方法

摘要

本发明公开了一种基于异质化鸽群优化算法的多无人机路径规划方法，属于无人机路径规划技术领域，具体步骤为：首先，对无人机的飞行环境进行建模，构建无人机的一条完整飞行路径L；在建模基础上，计算该完整飞行路径L达到最优时的总体损失函数H，并给出达到最优需满足的约束条件；然后，同时执行两个鸽群算法，同步优化约束条件中的坐标和拉格朗日参数；最后，遍历优化后的位置矩阵，将全部的坐标信息构成一组点列，即为规划后的飞行路径L。本发明有效提升获取性能函数全局最优值的精度，大幅减少计算时间，从而提升无人机路径规划问题的准确性和实时性表现。

主权项

1.一种基于异质化鸽群优化算法的多无人机路径规划方法，其特征在于，具体步骤如下：步骤一、对无人机的飞行环境进行建模，构建无人机的一条完整飞行路径L；步骤二、在建模基础上，计算该完整飞行路径L达到最优时的总体损失函数H，并给出达到最优需满足的约束条件；具体如下：步骤2.1、计算规划路径时的全程消耗燃料的速率函数Jf以及安全影响的函数Jt：ω_f表示无人机在当前路径L上燃料消耗的速率；ω_t表示无人机当前路径L上安全影响的程度；ω_t定义为：Nt是当前路径L上存在的危险区域的总个数，Li是当前路径L上第i段路径的长度，d0.1,i,k是当前路径L的第i段路径上的0.1等分点与第k个危险区域中心之间的距离，tk是第k个危险区域的危险程度；步骤2.2、利用燃料消耗的速率函数Jf和安全影响的函数Jt计算整条路径上的损失函数J；J＝λJf+(1‑λ)Jtλ是用来衡量在优先最短路径或是优先最安全飞行之间的系数；步骤2.3、利用损失函数J和区域限定函数G引入拉格朗日函数计算总体损失函数H；则总体损失函数H为：H＝J+∑αi'Gi'其中，α≥0是拉格朗日参数；Gi'为无人机飞行路径中的第i'个路障的限定函数；步骤2.4、计算总体损失函数H达到最小时需满足的约束条件；无人机避开障碍时对于路径上的某点P(x,y,z)需满足G(x,y,z)＜0，则约束条件为：步骤三、同时执行两个基于异质化粒子鸽群算法鸽群算法，同步优化约束条件中的坐标和拉格朗日参数；具体如下：步骤3.1、生成与种群数量规模一致的BA无标度网络模型，以确定粒子之间的邻居关系；设定算法基础种群数量为N，每个解的维度为D，节点总个数与种群数量个数相同，设为N，初始节点为2，每次加入一个新节点，新节点将与2个初始节点相连形成随机BA无标度网络模型，节点编号为1,2,3,...,j,...N，第j个节点的度记录为dj；步骤3.2、通过BA无标度网络模型随机生成纬度均为N*D的初始位置矩阵和速度矩阵；随机数范围为总体损失函数H的自变量范围；步骤3.3、设定地图指南针算子迭代次数上限为t1，第一次将初始的位置矩阵代入目标函数，更新Fitnessbest、Pbest和Gbest参数；Fitnessbest为当前迭代次数下位置矩阵中的全局最优解；将初始位置矩阵代入总体损失函数H得到第一代规模为N的函数值矩阵，选取该函数值矩阵中最小的一个节点的值，以此更新Fitnessbest参数值；Pbestj为第j个节点的所有历史位置中，单独比较自身在已进行的所有迭代中的最优位置，并以此更新Pbestj；Gbestj为第j个节点自身和所有邻居节点的Pbest中的最优位置值。每个节点根据BA无标度网络模型，比较该节点和与自身有连边的节点的Pbest，并从中挑选最优位置更新Gbest；步骤3.4、利用更新的Fitnessbest、Pbest和Gbest参数更新速度矩阵，利用更新的速度矩阵进一步更新位置矩阵；具体为：首先，设定中心节点的度dc，根据与其余每一个节点j的度dj之间的大小关系，更新速度矩阵；(1)若节点j的度dj大于等于中心节点的度dc，按下述公式更新节点j的速度：其中，是节点j在第N_c次迭代的速度，节点j在第N_c‑1次迭代的速度，R是设定的收敛速度参数，N(j)是节点j的所有邻居节点，U(0,1)为取值范围为(0,1)的随机数，是节点j在第N_c‑1次迭代时的位置；(2)若节点j的度dj小于中心节点的度dc，按下述公式更新节点j的速度：然后，利用所有节点更新完的速度，进一步更新位置矩阵：步骤3.5、返回步骤3.3循环迭代地图指南针算子直到迭代次数达到t1，执行步骤3.6；步骤3.6、对更新完的速度矩阵和位置矩阵执行地标算子：首先，删除现存网络中节点度数最低的所有节点；然后，采用更新公式逐个更新位置矩阵中剩余的每个节点的位置；更新公式如下：其中，X_center为剩下的所有节点的中心位置，对于优化约束条件中的坐标，对于优化约束条件中的拉格朗日参数，步骤3.7、重复步骤3.6循环迭代地标算子直到迭代达到总迭代次数t；t为地图指南针算子和地标算子的总迭代次数；步骤3.8、地标算子执行完毕后，得到位置矩阵中的最优值；该最优值为一个行向量，其余行向量为零；步骤四、遍历优化后的位置矩阵，将全部(x,y,z)的坐标信息构成一组点列，即为规划后的飞行路径L：全部(x,y,z)的坐标信息为飞行路径L上所有中间节点的坐标。