一种基于自适应蚁群算法的无人机最优路径规划方法技术
【技术实现步骤摘要】
一种基于自适应蚁群算法的无人机最优路径规划方法
本专利技术属于信息
，涉及一种无人机最优路径规划方，具体涉及一种基于自适应蚁群算法的无人机最优路径规划方法。
技术介绍
近几年，无人机的发展十分迅速，各种型号无人机相继出现，但是无人机的路径规划存在以下诸多方面的不足：国内外学者针对无人机路径规划问题，主要运用优化算法来解决，有一些采用了遗传算法，但遗传算法在搜索路径的过程中仍然存在“早熟”现象且规划路径时间较。还有一些采用了A*算法，但也存在着搜索速度慢、运行过程中占用内存空间较大的问题；针对上述缺陷目前已出现了一系列的解决办法，其中利用到的理论，具体可以总结如下：(1)基本蚁群算法：各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种挥发性分泌物pheromone(称为信息素，该物质随着时间的推移会逐渐挥发消失，信息素浓度的大小表征路径的远近)来实现的，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物。有些蚂蚁并没有像其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果另开辟的道路比原来的其他道路更短，那么，渐渐地...
【技术保护点】
一种基于自适应蚁群算法的无人机最优路径规划方法，其特征在于，包括以下步骤：步骤1：将飞行区域网格化；步骤2：初始化参数，包括蚂蚁总数m，迭代次数N，信息启发因子α，期望启发因子β；其中，m为大于0的整数，N为大于0的整数，α为大于0的正数，β为大于0的正数；步骤3：将m只蚂蚁置于网格起始点；步骤4：将各蚂蚁移到可行路径点直到所有蚂蚁到达目标点；步骤5：计算可行路径代价并找出本次循环最优路径；步骤6：进行信息更新；步骤7：对信息素挥发因子ρ进行适应性调整；步骤8：判断是否到达指定迭代次数；若否，则回转执行步骤3；若是，则输出最优路径。
【技术特征摘要】
1.一种基于自适应蚁群算法的无人机最优路径规划方法，其特征在于，包括以下步骤：步骤1：将飞行区域网格化；步骤2：初始化参数，包括蚂蚁总数m，迭代次数N，信息启发因子α，期望启发因子β；其中，m为大于0的整数，N为大于0的整数，α为大于0的正数，β为大于0的正数；步骤3：将m只蚂蚁置于网格起始点；步骤4：将各蚂蚁移到可行路径点直到所有蚂蚁到达目标点；步骤5：计算可行路径代价并找出本次循环最优路径；步骤6：进行信息更新；步骤7：对信息素挥发因子ρ进行适应性调整；步骤8：判断是否到达指定迭代次数；若否，则回转执行步骤3；若是，则输出最优路径。2.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤1中，在飞行区域内建立二维直角坐标系，根据飞行区域的大小和威胁源的分布情况等间隔地将飞行区域划分成m×n个单元网格。3.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤4中，通过转移概率公式将将各蚂蚁移到可行路径点直到所有蚂蚁到达目标点，其中转移概率公式为：其中，Pk(r，s)表示第k只蚂蚁由位置r转移到位置s的状态转移概率，k＝1、2、…、m，m为蚁群中蚂蚁的总数目；τ(r，s)为路径(r，s)上的信息素量，蚂蚁k在运动过程中，根据各条路径上的信息素量决定其转移方向；η(r，s)表示路径点s相对于路径点r的能见度，η(r，s)＝1/drs，drs表示路径点r到点s的距离；jk(r)表示第k个蚂蚁由路径点r可以到达的所有可行路径点的集合；α为信息启发式因子，表示轨迹的相对重要性，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率越接近于贪心规则。4.根据权利要求1所述的基于自适应蚁群算法的无人机最优路径规划方法，其特征在于：步骤5中，通过代价函数计算可行路径代价，代价函数为：
【专利技术属性】
技术研发人员：王粟，李庚，朱飞，邱春辉，江鑫，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。