一种基于改进蚁群算法的无人机航路规划制造技术

本发明专利技术公开了一种基于改进蚁群算法的无人机航路规划，包括自适应ρ信息素挥发值、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素、对初始信息素分布进行优化和对路径选择规则改进。本发明专利技术通过改善了蚁群算法，使法寻求到的航迹有效长度，比旧有传统类型的模式更短，寻优路径更佳，并且在时间上获取了提高，同时获取的路径作用效果也非常良好。

【技术实现步骤摘要】
一种基于改进蚁群算法的无人机航路规划
本专利技术涉及蚁群算法领域，尤其涉及一种基于改进蚁群算法的无人机航路规划。
技术介绍
蚁群算法，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法，蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。而在传统蚁群算法的分析过程中，传统的蚁群算法存在着搜索效率低、耗时较长、易早熟收敛过早等不足，从而影响无人机航路规划。
技术实现思路
针对上述问题，本专利技术提供了一种基于改进蚁群算法的无人机航路规划。为解决上述技术问题，本专利技术所采用的技术方案是：包括以下步骤：S1、自适应ρ信息素挥发值；S2、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优；S3、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素；...

【技术保护点】
1.一种基于改进蚁群算法的无人机航路规划，其特征在于：包括以下步骤：/nS1、自适应ρ信息素挥发值；/nS2、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优；/nS3、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素；/nS4、对初始信息素分布进行优化；/nS5、对路径选择规则改进。/n

【技术特征摘要】
1.一种基于改进蚁群算法的无人机航路规划，其特征在于：包括以下步骤：
S1、自适应ρ信息素挥发值；
S2、对信息素的浓度更新公式改进，并对信息素的极值进行限定，信息素作用范围严格限制在规定作用范围里，尽量规避落入局部最优；
S3、多种群同时进行独立迭代，在陷入局部最优时，种群之间交换信息素；
S4、对初始信息素分布进行优化；
S5、对路径选择规则改进。


2.根据权利要求1所述一种基于改进蚁群算法的无人机航路规划，其特征在于：所述步骤S1具体为：
S11、保存最优合理解在每一次周期循环结束完成之后，计算出最优合理解并且把其保存；
S12、经过降低ρ即使能够提升算法的全局搜查水平，但是又容易导致算法的收敛速率减少；所以能够自适合地转变ρ数值，ρ的初始值ρ(t0)＝1。


3.根据权利要求1所述一种基于改进蚁群算法的无人机航路规划，其特征在于：所述步骤S2具体为：
改进速率信息素更新公式，每次迭代之后，利用强者更强，弱者更弱的思想进行改进，促使最短爬行行驶路线上面的信息素实际有效浓度更大，最久爬行行驶路线上面的信息素实际有效浓度更加低，多种迭代更新以后，蚂蚁都会在最优路径附近移动。


4.根据权利要求1所述一种基于改进蚁群算法的无人机航路规划，其特征在于：所述步骤S3具体为：
S31、需要充分扩增搜查分布空间，即需要操作控制好搜查路径上的信息...

【专利技术属性】
技术研发人员：鲁凡磊，赵健，戴宇思，谭冠政，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43