一种线性时间复杂度的集群路径规划方法及系统技术方案

本发明专利技术公开了一种线性时间复杂度的集群路径规划方法及系统，涉及运动规划技术领域。本发明专利技术包括以下步骤：S1：采集集群规划仿真平台中的规划方法，基于采集的规划方法，构建专家规划数据库；S2：利用行为克隆算法学习专家规划数据库中的路径规划策略。本发明专利技术通过模仿学习中神经网络拟合的方式，实现了线性时间复杂度求解集群规划问题。杂度求解集群规划问题。杂度求解集群规划问题。

【技术实现步骤摘要】
一种线性时间复杂度的集群路径规划方法及系统


[0001]本专利技术涉及运动规划
，更具体的说是涉及一种线性时间复杂度的集群路径规划方法及系统。

技术介绍

[0002]规划空间的建模表述是路径规划的基础，实际应用中无人机的作战空间是三维空间，为了降低问题的复杂程度很多研究者将空间简化为二维，常用的空间建模方法由栅格法、图形法和势场法。
[0003]栅格法通过将空间地图按照一定的比例进行划分并赋予相应的价值对规划空间进行描述。LUZ等在栅格法的基础上对空间环境进行了降维转换，减少了网格的数量和大小，在不影响规划效果的前提下减少了运算量，提高了规划效率；欧阳鑫玉等人使用栅格法对所提出的改进人工势场法进行辅助决策，使机器人有效跳出局部最优点，到达全局最小点，提高了算法的运行效率。栅格法具有原理简单、易于操作、求解精度较高等优点，但是其对复杂环境的描述不够准确，常需要与智能算法相结合使用解决无人机路径规划问题。
[0004]图形法即根据一定的规则将空间环境表示成网络图的方法，主要包括Voronoi图法、可视图法等。M.Naazare等根据GPS获取环境信息，通过图形法对空间环境进行处理，并采用A*算法求解了限制区域内的无人机最短飞行路径。聂俊岚等设计了一种基于加权Voronoi图的航迹规划方法，通过将规划空间内不规则威胁区域拟合成相交圆的方式，解决了传统图形法将不规则威胁区域范围放大的问题。图形法与栅格法相比数据处理量较少，但是必须在规划前将所有可行路径全部画出，且出现新的威胁区域后更新较为困难。
>[0005]势场法在规划空间中引入物理学中场的概念，在目标点和威胁区域看做虚拟力场源，通过引力与斥力的相互作用规划无人机的最优飞行航迹。传统的势场法在进行无人机航迹规划时常出现局部路径振荡、得不出最优路径等问题，郭一聪等人采用相对距离的改进势场函数有效解决了无法得出最优路径的问题，利用记忆性合力的方法抑制了局部路径振荡，并提出了一种优化威胁区域斥力场的方法，改善了路径规划效果。
[0006]上述的方法在集群规划中，随着个体数量的增多，算法耗时会显著增加，算法的时间复杂度基本呈指数关系。因此，如何解决这一问题是本领域技术人员亟需研究的。

技术实现思路

[0007]有鉴于此，本专利技术提供了一种线性时间复杂度的集群路径规划方法及系统，应用了模仿学习的方法，通过传统的集群规划算法对模仿学习策略网络进行训练，实现了本算法的集群规划功能。同时只有线性的算法复杂度，极大的降低了集群数量上升导致的计算耗时，能够提升算法的实时性。
[0008]为了实现上述目的，本专利技术采用如下技术方案：
[0009]一方面公开了一种线性时间复杂度的集群路径规划方法，包括以下步骤：
[0010]S1：采集集群规划仿真平台中的规划方法，基于采集的规划方法，构建专家规划数
据库；
[0011]S2：利用行为克隆算法学习专家规划数据库中的路径规划策略。
[0012]可选的，在S1中，通过模拟仿真的方式，采集现有sota算法的规划方法，进而构建专家规划数据库，具体如下：
[0013]S11：利用视觉传感器、北斗传感器和惯性传感器搭建集群规划仿真平台，搭载相应的集群规划算法；
[0014]S12：专家算法在不同条件下规划的路径进行记录，包含环境的局部地图信息、友方无人机的状态、友方无人机规划的路径；
[0015]S13：基于路径规划记录，构建形成用于集群路径规划的专家规划数据库。
[0016]可选的，在S2中，包括以下步骤：
[0017]S21：构建基于行为克隆的规划决策网络；
[0018]S22：利用专家规划数据库对规划决策网络进行训练。
[0019]可选的，在S22中用监督学习的方法训练规划决策网络，具体训练过程如下：
[0020]S221：对专家规划数据库中的动作a
j
进行一位有效编码；
[0021]S222：进行T个时间步长的循环，直到算法收敛；每一次循环包括子步骤2.1至子步骤2.2，具体地：
[0022]子步骤2.1：从序号{1,2,...,n}中做均匀随机抽样；
[0023]子步骤2.2：设当前策略网络的参数是θ
now
；将j时刻的状态s
j
，作为输入，通过反向传播计算梯度，进而利用下式更新参数θ；
[0024][0025]式中，θ
new
表示更新后的参数θ，π(
·
|s
j
；θ
now
)表示随机策略网络，表示参数为θ的神经网络损失函数的梯度函数，H表示向量与随机策略网络π(
·
|s
j
；θ
now
)的交叉熵。
[0026]另一方面公开了一种线性时间复杂度的集群路径规划系统，包括：专家规划数据库构建模块和路径规划策略生成模块；
[0027]其中，
[0028]专家规划数据库构建模块：用于采集集群规划仿真平台中的规划方法，基于采集的规划方法，构建专家规划数据库；
[0029]路径规划策略生成模块：用于利用行为克隆算法学习专家规划数据库中的路径规划策略。
[0030]经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种线性时间复杂度的集群路径规划方法及系统，通过模仿学习中神经网络拟合的方式，实现了线性时间复杂度求解集群规划问题。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的实施例，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
提供的附图获得其他的附图。
[0032]图1为本专利技术的流程示意图；
[0033]图2为本专利技术的结构示意图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]本专利技术实施例公开了一种线性时间复杂度的集群路径规划方法，如图1所示，包括以下步骤：
[0036]S1：采集集群规划仿真平台中的规划方法，基于采集的规划方法，构建专家规划数据库；
[0037]S2：利用行为克隆算法学习专家规划数据库中的路径规划策略。
[0038]进一步的，在S1中，通过模拟仿真的方式，采集现有sota算法的规划方法，进而构建专家规划数据库；具体包括以下3个子步骤：
[0039]子步骤1：利用视觉传感器、北斗传感器和惯性传感器搭建集群规划仿真平台，搭载相应的集群规划算法；
[0040]子步骤2：专家算法在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线性时间复杂度的集群路径规划方法，其特征在于，包括以下步骤：S1：采集集群规划仿真平台中的规划方法，基于采集的规划方法，构建专家规划数据库；S2：利用行为克隆算法学习专家规划数据库中的路径规划策略。2.根据权利要求1所述的一种线性时间复杂度的集群路径规划方法，其特征在于，在S1中，通过模拟仿真的方式，采集现有sota算法的规划方法，进而构建专家规划数据库，具体如下：S11：利用视觉传感器、北斗传感器和惯性传感器搭建集群规划仿真平台，搭载相应的集群规划算法；S12：专家算法在不同条件下规划的路径进行记录，包含环境的局部地图信息、友方无人机的状态、友方无人机规划的路径；S13：基于路径规划记录，构建形成用于集群路径规划的专家规划数据库。3.根据权利要求1所述的一种线性时间复杂度的集群路径规划方法，其特征在于，在S2中，包括以下步骤：S21：构建基于行为克隆的规划决策网络；S22：利用专家规划数据库对规划决策网络进行训练。4.根据权利要求3所述的一种线性时间复杂度的集群路径规划方法，其特征在于，在S22中用监督学习的方法训练规划决策网络，具体训练过程如下：S221：对专家规划数据库中的动作a
j
进行一位有效编...

【专利技术属性】
技术研发人员：李杰，康森波，王子泉，辛梓维，李娟，刘畅，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：