基于自适应多态融合蚁群算法的无人机航迹规划方法技术

本发明专利技术公开了一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域，本发明专利技术在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快；本发明专利技术在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。

UAV route planning method based on adaptive polymorphic fusion ant colony algorithm

【技术实现步骤摘要】
基于自适应多态融合蚁群算法的无人机航迹规划方法
本专利技术涉及一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域。
技术介绍
蚁群算法指的是通过模拟蚂蚁对自然界食物的集体搜索，提出了蚁群算法(ACO)。蚂蚁觅食是一种基于群体的启发式仿生算法，不是单一的蚂蚁自主寻找食物来源。觅食行为取决于蚂蚁和蚂蚁之间或蚂蚁个体与环境之间的交流，这是基于蚂蚁产生的化学物质(称为信息素)的使用。蚂蚁的工作原理如下：首先，当蚂蚁到达他们必须决定向左或向右转的决定点时，蚂蚁会随机选择下一条路径并将信息素存放在地面上，因为他们不知道哪个是最佳选择。短暂的选择后，两条路径上的信息素量的差异足以影响新蚂蚁进入系统的决定。从此刻开始，新的蚂蚁将更有可能选择信息量比较多的路径。因此，蚂蚁可以闻到信息素的味道，并且很可能选择以强信息素浓度为标志的路径。在真实蚂蚁社会中，蚁群是有组织，有分工的。基于传统蚁群算法的多态蚁群算法，其中的“多态性”是指蚁群社会所具有多种状态的蚂蚁群体及信息素，根据分工的不同将蚂蚁分为:侦察蚁、搜索蚁和工蚁蚂蚁各司其职。其中，工蚁蚁群与路径寻优无关，所以就只需针对侦察蚁群和搜索蚁群设计各自的信息素调节机制。其中，侦察蚁群负责局部侦察，搜索蚁群负责全局搜索，这种利用蚂蚁种群的分工改进大大提高了蚂蚁群体之间的合作效果，增强了算法的有效性。侦查蚁以无人机的路径节点为中心，在调查过程中离开调查元素，以便搜索蚁到达路径节点时做出选择。死锁指的是蚁群在路径搜索过程中遇到复杂环境时，可能会陷入无法移动的状态。这种状态称为死锁。当网格长度设置为1时，当无人机接着沿图1中的箭头方向在A点和B点处移动时，如果无人机在这个位置不能移动到周围的其他位置，则说明算法陷入死锁状态。蚁群算法具有正反馈、分布式计算和用于贪婪搜索的特点，因而具有较强的鲁棒性和搜索性，目前已应用于多个领域。除了这个以外，蚁群算法还存在搜索时间长、收敛速度慢、容易陷入局部最优等缺点。在真实的自然界当中，真实蚁群社会中的蚁群是有计划有组织的，不同种类的蚂蚁群体具有不同的信息素调控制方式，不同的控制方式对群体完成繁杂的任务具有非常重要作用。
技术实现思路
本专利技术所要解决的技术问题是提供了一种基于自适应多态融合蚁群算法的无人机航迹规划方法。为解决上述技术问题，本专利技术采用如下技术方案：一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其包括如下步骤：步骤1、采用网格法对初始环境进行建模，设置常量Q、C和N；其中，Q表示侦察蚁循环一次释放的信息素总量，C表示初始时间每条路径上的信息量，N表示指定的迭代次数；步骤2、将m个侦察蚁分别放置在n个路径节点上；每个侦察蚁调查以其路径节点为中心的其他n-1个路径节点；根据如下公式(1)计算调查要素Sij(i,j＝1,2,.....,n-1,i≠j)，并将结果放到Sij中：其中，j∈i表示侦察蚁的可行点j在无人机路径节点i中；dij为所选侦察蚁走过的总路径；dijmin为以无人机路径节点i为路径中心时到其他N-1个路径节点的最小距离；步骤3、根据如下公式(2)设定初始时刻各路径上的初始信息量：其中，dijmax是以路径节点i为中心时到其他N-1个路径节点的最大距离；C为常量，是初始时刻每条路径上的信息量；步骤4、随机选择每个搜索蚂蚁的初始位置，并将其放入相应的禁忌集合中；步骤5、根据如下公式计算将每只搜索蚂蚁k下一步转移的位置，并将其设置为j；将前一位置设置为i，并将j放入搜索蚂蚁k的相应禁忌表中，直到每只搜索蚂蚁k完成一个周期以获得解；其中，q是属于[0,1]上的随机数；j∈allowedk表示j是可行点；q0＝1-e-1-k(k＝1,2,3.......,N)，N为迭代次数；τij(t)表示当前时间路径上的信息量；ηij(t)表示启发函数，表示蚂蚁从路径点i转移到路径点j的期望程度，α表示信息素重要程度因子，α的值越大，表示信息素浓度在转移中起的作用越大；β表示启发函数重要程度因子，是先验知识在指导蚂蚁搜索过程中的相对重要程度，β越大，表示启发函数在转移过程中的作用越大，蚂蚁选择路径短的节点的概率越大；Pijk(t)表示自适应转换概率，其公式如下：其中，ηi表示位于路径节点i的蚂蚁下一步移动的潜在节点数量；υ表示下一步移动的潜在路径节点数量对蚂蚁路径选择的相对重要程度，下一步的潜在路径节点数量越多，信息素越少，即信息素与潜在路径节点数量成反比；当搜索蚂蚁k在路径搜索中陷入死锁，则采用方向确定法解决死锁的问题；步骤6、计算每个搜索蚂蚁的路径长度Lk(k＝1，2，...，m)，并记录当前最优解；步骤7、当已经达到指定的迭代次数N，或者所求的解在最近十次迭代中没有改善，则跳转到步骤9；否则，根据公式(5)修改每条路径的信息素浓度，公式(5)如下：其中，Δτijk(t)表示信息素浓度；Q表示蚂蚁循环一次释放的信息素总量；dkl表示路径节点i为中心到其他n-1个路径节点的最短距离；Lbest表示最佳的路径长度；步骤8、设置i＝0，j＝0，清除禁忌表，将N+1更新为N，并返回步骤4；步骤9、输出最优解。进一步的，当搜索蚂蚁k在路径搜索中陷入死锁，则采用方向确定法解决死锁的问题，具体方法如下：当搜索蚂蚁k处于死锁状态时，对禁忌表进行更新，对死锁边缘的信息素进行惩罚，使得搜索蚂蚁k可在原有位置调整前进方向，找到无障碍的方向，然后继续前进。本专利技术的有益效果如下：(1)本专利技术在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快。本专利技术在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。(2)本专利技术针对搜索蚂蚁在研究元素的确定范围的时候容易陷入局部最优，迭代的过程中忽略信息素强度和期望强度，在多态蚁群算法的基础上，本专利技术采用了自适应并行规则和伪随机并行规则，有效地避免了搜索过程中的容易陷入局部最优的问题。搜索蚂蚁在搜索阶段根据伪随机规则进行状态转移，同时采用自适应并行策略确定状态转移函数中的最优组合参数。(3)在多态蚁群算法中，搜索蚂蚁将信息素留在可能的最优解路径中，而忽略其他路径，这可能导致最终的解，也许不是最好的。为了避免这种情况，本专利技术引入了自适应信息更新策略。增强了全局的搜索能力。(4)针对死锁问题早期死亡法，不利于全局寻优，而且降低了路径解的多样性。本专利技术是当蚂蚁处于死锁状态时，对禁忌表进行更新，对死锁边缘的信息素进行惩罚，使得蚂蚁可以在原有位置调整前进方向，找到无障碍的方向，然后继续前进。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1表示为无人机陷入死锁的示意图。图2表示为无人机解除死锁的示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图1-图本文档来自技高网...

【技术保护点】
1.一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其特征在于，其包括如下步骤：步骤1、采用网格法对初始环境进行建模，设置常量Q、C和N；其中，Q表示侦察蚁循环一次释放的信息素总量，C表示初始时间每条路径上的信息量，N表示指定的迭代次数；步骤2、将m个侦察蚁分别放置在n个路径节点上；每个侦察蚁调查以其路径节点为中心的其他n‑1个路径节点；根据如下公式(1)计算调查要素Sij(i,j＝1,2,.....,n‑1,i≠j)，并将结果放到Sij中：

【技术特征摘要】
1.一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其特征在于，其包括如下步骤：步骤1、采用网格法对初始环境进行建模，设置常量Q、C和N；其中，Q表示侦察蚁循环一次释放的信息素总量，C表示初始时间每条路径上的信息量，N表示指定的迭代次数；步骤2、将m个侦察蚁分别放置在n个路径节点上；每个侦察蚁调查以其路径节点为中心的其他n-1个路径节点；根据如下公式(1)计算调查要素Sij(i,j＝1,2,.....,n-1,i≠j)，并将结果放到Sij中：其中，j∈i表示侦察蚁的可行点j在无人机路径节点i中；dij为所选侦察蚁走过的总路径；dijmin为以无人机路径节点i为路径中心时到其他N-1个路径节点的最小距离；步骤3、根据如下公式(2)设定初始时刻各路径上的初始信息量：其中，dijmax是以路径节点i为中心时到其他N-1个路径节点的最大距离；C为常量，是初始时刻每条路径上的信息量；步骤4、随机选择每个搜索蚂蚁的初始位置，并将其放入相应的禁忌集合中；步骤5、根据如下公式计算将每只搜索蚂蚁k下一步转移的位置，并将其设置为j；将前一位置设置为i，并将j放入搜索蚂蚁k的相应禁忌表中，直到每只搜索蚂蚁k完成一个周期以获得解；其中，q是属于[0,1]上的随机数；j∈allowedk表示j是可行点；q0＝1-e-1-k(k＝1,2,3.......,N)，N为迭代次数；τij(t)表示当前时间路径上的信息量；ηij(t)表示启发函数，表示蚂蚁从路径点i转移到路径点j的期望程度，α表示信息素重要程度因子，α...

【专利技术属性】
技术研发人员：甄然，张春悦，吴学礼，
申请(专利权)人：河北科技大学，
类型：发明
国别省市：河北,13