一种基于蚁群算法的无人机群区域覆盖的多步寻优方法技术

本发明专利技术公开了一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其思路为：设定蚁群算法中的蚂蚁总只数和每只蚂蚁的维数；然后令s表示第s次搜索，s∈[1,SeachNum]，SeachNum表示搜索次数，每次搜索分别进行D次迭代，并令d表示第d次迭代，d∈[0,D]；计算第s次搜索第d次迭代后的第一数据结构AntSawrms,d和第s次搜索截止到第d次迭代的第二数据结构OptSawrms,d；令d加1，直到得到第s次搜索截止到第D次迭代的第二数据结构OptSawrms,D，进而第s次搜索后无人机群的一条完整的最优路径；令s加1，直到得到第SeachNum次搜索后无人机群的一条完整的最优路径，所述第SeachNum次搜索后无人机群的一条完整的最优路径包括第SeachNum次搜索后无人机群前进InnerStep步的最优路径pSearchNum和第SeachNum次搜索后无人机群前进InnerStep步的最优速度vSearchNum，进而完成基于蚁群算法的无人机群区域覆盖的多步寻优过程。

Ant colony algorithm based multiple step optimization method for unmanned vehicle area coverage

The invention discloses a method for multiple UAVs regional ant colony algorithm based on coverage, the idea is as follows: the set of ants in the ant colony algorithm only total number and dimension of each ant; then let s denote the s search, s, [1, SeachNum] SeachNum, said the number of searches, each search respectively. D iteration, and let D denote the D iteration, D, [0, D]; s search first calculate the data structure of AntSawrms D iteration, D and the s search by the D iteration of the data structure of the second OptSawrms, D; D plus 1, until the s search by the D iteration of the second data structure of OptSawrms, D, a complete optimal path and the s search UAVs; s plus 1, a complete optimal path until the SeachNum search UAVs, the first SeachNum search A complete optimal path after the UAVs include SeachNum search UAVs optimal path pSearchNum step forward InnerStep and SeachNum second search UAVs step forward InnerStep the optimal speed of vSearchNum, and then complete the advantages of multi step process for man-machine group regional coverage based on ant colony algorithm.

【技术实现步骤摘要】
一种基于蚁群算法的无人机群区域覆盖的多步寻优方法
本专利技术属于机载雷达
，特别涉及一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，适用于无人预警机群实时最优覆盖监视区域的航迹规划问题。
技术介绍
无人驾驶飞机(UnmannedAerialVehicle)简称无人机，与载人飞机相比有着独特的优势，体积小、造价低、使用方便、战场生存能力较强、不需要考虑飞行员生理限制等，在一些关键和高度危险的任务中发挥着不可替代的作用；随着电子技术日新月异的发展，无人机已经被应用于侦察监视、电子对抗甚至精确打击等军事领域；因此，为无人机预先规划出一条完成飞行任务所需的、代价最小的航迹，即无人机航迹规划，就显得尤为重要。无人机航迹规划需要综合考虑飞行任务、飞行环境和气象等条件，从而确定无人机的飞行航线；依据机型的不同，无人机分为攻击性无人机和侦察型无人机，因此无人机航迹规划分为相应的攻击性航路规划和侦察型航路规划。前期的研究主要集中在攻击型航迹规划研究，攻击型航迹规划是指在一定约束的条件下，寻找无人机从起点到目标点生存概率最大的飞行路线，该路线必须满足一定的性能指标并且飞行代价最小；该攻击型航迹规本文档来自技高网...

【技术保护点】
一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，包括以下步骤：步骤1，分别设定无人机群的监视区域S和无人机群的可行飞行区域A，其中无人机群包含M架无人机，每架无人机上设置一个机载雷达，且每架无人机匀速飞行；步骤2，设定蚁群算法中的蚂蚁总只数为N，每只蚂蚁的维数为M×1；然后设定无人机群的初始位置和无人机群的初始速度方向，分别用p

【技术特征摘要】
1.一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，包括以下步骤：步骤1，分别设定无人机群的监视区域S和无人机群的可行飞行区域A，其中无人机群包含M架无人机，每架无人机上设置一个机载雷达，且每架无人机匀速飞行；步骤2，设定蚁群算法中的蚂蚁总只数为N，每只蚂蚁的维数为M×1；然后设定无人机群的初始位置和无人机群的初始速度方向，分别用p0表示无人机群的初始位置矩阵，使用v0表示无人机群的初始速度向量；步骤3，确定无人机群的位置偏转角然后确定无人机群飞行轨迹；初始化：令s表示第s次搜索，s∈[1,SeachNum]，SeachNum表示搜索次数，s的初始值为1，每次搜索分别进行D次迭代，并令d表示第d次迭代，d∈[0,D]，d的初始值为0，D为大于0的正整数；分别令第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵记为ps,d，将第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的速度信息矢量记为vs,d，且第1次搜索第0次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵p1,0为无人机群的初始位置矩阵p0，第1次搜索第0次迭代后N只蚂蚁前进InnerStep步的速度信息矢量v1,0为无人机群的初始速度向量v0；步骤4，根据第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵ps,d和第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的速度信息矢量vs,d，得到第s次搜索第d次迭代后的第一数据结构AntSawrms,d，进而得到第s次搜索截止到第d次迭代的第二数据结构OptSawrms,d；步骤5，令d加1，重复执行步骤4，直到得到第s次搜索截止到第D次迭代的第二数据结构OptSawrms,D，进而得到第s次搜索后无人机群前进InnerStep步最优的速度偏转角θs和第s次搜索后无人机群前进InnerStep步的最优路径ps，表示第s次搜索后无人机群前进第k步的最优路径；然后将d初始化为0；步骤6，根据第s次搜索后无人机群前进InnerStep步最优的速度偏转角θs，计算得到第s次搜索后无人机群前进InnerStep步的最优速度vs，并将第s次搜索后无人机群前进InnerStep步的最优路径ps和第s次搜索后无人机群前进InnerStep步的最优速度vs，记为第s次搜索后无人机群的一条完整的最优路径；步骤7，令s加1，并将第s-1次搜索后无人机群前进第InnerStep步的速度作为第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的速度信息矢量vs,d，将第s-1次搜索后无人机群前进第InnerStep步的最优路径作为第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵ps,d，然后返回步骤4；直到得到第SearchNum次搜索后无人机群的一条完整的最优路径，所述第SearchNum次搜索后无人机群的一条完整的最优路径包括第SearchNum次搜索后无人机群前进InnerStep步的最优路径pSearchNum和第SearchNum次搜索后无人机群前进InnerStep步的最优速度vSearchNum，进而完成基于蚁群算法的无人机群区域覆盖的多步寻优过程。2.如权利要求1所述的一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，在步骤1中，所述每架无人机上设置一个机载雷达，还包括：单架无人机所在机载雷达的最大作用距离为Rmax，其表达式为：其中，Pt表示机载雷达峰值功率，G表示机载雷达天线增益，λ表示机载雷达的发射机发射的电磁波波长，σ表示机载雷达检测区域内存在的目标散射截面积，k表示波尔兹曼常数，T0表示标准室温，B表示机载雷达的接收机带宽，F表示噪声系数，L表示机载雷达自身损耗，S/N表示机载雷达的信噪比，(S/N)omin表示机载雷达的最小可检测门限。3.如权利要求1所述的一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，在步骤2中，所述p0表示无人机群的初始位置矩阵和所述v0表示无人机群的初始速度向量，其表达式分别为：其中，i∈{1,2,…,M}，表示第i架无人机的初始位置，表示初始时刻第i架无人机的x轴坐标，表示初始时刻第i架无人机的y轴坐标；表示第i架无人机的初始速度。4.如权利要求1所述的一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，在步骤3中，所述无人机群的位置偏转角为无人机群产生的速度偏转角的设定倍数；所述无人机群飞行轨迹为：当无人机群产生的速度偏转角未超出无人机速度的最大偏转角时，则无人机群产生的飞行航迹可行，其中无人机群产生的飞行航迹为圆弧。5.如权利要求1所述的一种基于蚁群算法的无人机群区域覆盖的多步寻优方法，其特征在于，步骤4的子步骤为：4.1根据第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵ps,d和第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的速度信息矢量vs,d，得到第s次搜索第d次迭代后的第一数据结构AntSawrms,d，第s次搜索第d次迭代后的第一数据结构AntSawrms,d代表第s次搜索第d次迭代后N只蚂蚁的基本信息，包括第s次搜索第d次迭代后N只蚂蚁前进InnerStep步产生的速度偏转角θs,d、第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的位置信息矩阵ps,d、第s次搜索第d次迭代后N只蚂蚁每前进一步的适应度函数值Fs,d和第s次搜索第d次迭代后N只蚂蚁前进InnerStep步的平均适应度函数值是N×1维列矢量；4.2如果则将第s次搜索截止到第d次迭代第n只蚂蚁历史最优的平均适应度函数值第s次搜索截止到第d次迭代第n只蚂蚁历史最优的速度偏转角θ′s,d(n)、第s次搜索截止到第d次迭代第n只蚂蚁前进InnerStep步中的历史最优位置信息矩阵p′s,d(n)和第s次搜索截止到第d次迭代第n只蚂蚁每前进一步的历史最优适应度函数值F′s,d(n)分别对应为第s次搜索第d次迭代后第n只蚂蚁前进InnerStep步的平均适应度函数值第s次搜索第d次迭代后第n只蚂蚁前进InnerStep步产生的速度偏转角θs,d(n)、第s次搜索第d次迭代后第n只蚂蚁前进InnerStep步的位置信息矩阵ps,d(n)、第s次搜索第d次迭代后第n只蚂蚁每前进一步的适应度函数值Fs,d(n)，得到第s次搜索第d次迭代后第n只蚂蚁的信息；反之，如果则将第s次搜索截止到第d-1次迭代后第n只蚂蚁前进InnerStep步的历史最优的平均适应度函数值第s次搜索截止到第d-1次迭代第n只蚂蚁产生的历史最优速度偏转角θ′s,d-1(n)、第s次搜索截止到第d-1次迭代第n只蚂蚁前进InnerStep步中的历史最优位置信息矩阵p′s,d-1(n)、第s次搜索截止到第d-1次迭代第n只蚂蚁每前进一步的历史最优适应度函数值F′s,d-1(n)分别对应记为第s次搜索截止到第d次迭代第n只蚂蚁历史最优的平均适应度函数值第s次搜索截止到第d次迭代第n只蚂蚁历史最优的速度偏转角θ′s,d(n)、第s次搜索截止到第d次迭代第n只蚂蚁前进InnerStep步中的历史最优位置信息矩阵p′s,d(n)和第s次搜索截止到第d次迭代第n只蚂蚁每前进一步的历史最优适应度函数值F′s,d(n)，得到第s次搜索第d次迭代后第n只蚂蚁的信息；其中，表示第s次搜索第d次迭代后第n只蚂蚁前进InnerStep步的平均适应度函数值，表示第s次搜索截止到第d-1次迭代后第n只蚂蚁前进InnerStep步的历史最优的平均适应度函数值；4.3令n分别取1至N，重复执行4.2，进而分别得到第s次搜索第d次迭代后第1只蚂蚁的信息至第s次搜索第d次迭代后第N只蚂蚁的信息，记为第s次搜索截止到第d次迭代N只蚂蚁历史最优的基本信息，所述第s次搜索截止到第d次迭代N只蚂蚁历史最优的基本信息包括第s次搜索截止到第d次迭代后N只蚂蚁前进InnerStep步的历史最优的平均适应度函数值第s次搜索截止到第d次迭代N只蚂蚁产生的历史最优速度偏转角θ′s,d、第s次搜索截止到第d次迭代N只蚂蚁前进InnerStep步中的历史最优位置信息矩阵p′s,d、第s次搜索截止到第d次迭代N只蚂蚁每前进一步的历史最优适应度函数值F′s,d，其表达式分别为：θ′s,d＝(θ′s,d(1),θ′s,d(2),…,θ′s,d(n),…,θ′s,d(N))p′s,d＝(p′s,d(1),p′s,d(2),…,p′s,d(n),…,p′s,d(N))F′s,d＝(F′s,d(1),F′s,d(2),…,F′s,d(n),…,F′s,d(N))得到第s次搜索截止到第d次迭代N只蚂蚁历史最优的基本信息后将n重置为1；4.4比较第s次搜索截止到第d次迭代后N只蚂蚁前进InnerStep步的历史最优的平均适应度函数值中每一维列矢量大小，将中列矢量最大时对应的蚂蚁记为第s次搜索截止到第d次迭代全局历史最优蚂蚁nmax，n∈[1:N]，nmax∈[1:N]，进而第s次搜索第d次迭代后N只蚂蚁中的历史最优蚂蚁的速度偏转角θs,d,opt、第s次搜索第d次迭...

【专利技术属性】
技术研发人员：王彤，胡艳艳，刘嘉昕，李杰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61