基于多目标自组织松鼠觅食机制的无人机航迹规划方法技术

本发明专利技术提供一种基于多目标自组织松鼠觅食机制的无人机航迹规划方法，旨在三维空间下建立对抗环境模型，综合考虑地形和威胁区影响。针对三维模型求解空间较大的问题，设计了分段松鼠觅食机制，针对排序位置不同的松鼠群体设计不同的位置更新方法，提高收敛性能。针对路径规划对于多目标Pareto解集多样性的要求，设计多膜多目标进化框架，在迭代过程中每个膜内都有自己的最优解集，不同膜之间根据特定的非支配排序方式进行优先级排序，提高算法解集的多样性。解集的多样性。解集的多样性。

【技术实现步骤摘要】
基于多目标自组织松鼠觅食机制的无人机航迹规划方法


[0001]本专利技术涉及一种基于多目标膜松鼠觅食机制的无人机路径规划方法，属于无人机航迹规划领域。

技术介绍

[0002]随着航空技术信息化、无人化、智能化的发展，无人机在对抗环境中具有越来越多的优势，不仅成本低、可无人控制降低伤亡，还可以持续高强度对抗。其中，路径规划是实现无人机自主化、智能化的关键技术之一。无人机路径规划就是在满足无人机自身性能和各种威胁等约束条件下，采用一种或多种优化算法从起点到目标点之间规划出一条或多条安全、有效的路径。大多数无人机路径规划研究中，仅考虑了单个目标或者将多个目标通过加权和的方法转化为单个目标进行求解，同时考虑多个目标的路径规划研究还比较少，而前者一次算法的运行仅能规划出一条路径，很难满足决策者的多样化需求，而且权重设置比较难。尤其是在对抗系统中每条路径可能对应不同的战略决策。
[0003]多目标航迹规划方法相较于传统的单目标航迹规划方法，由于其算法优化机制是针对一种工程问题的不同目标函数进行非支配寻优，最终得到的是一组非支配最优解。无人机飞行环境中需要考虑路径代价，威胁代价，隐蔽代价三种航行代价，无人机航迹的选择需要综合考虑三种航行代价。因此，为了提高决策效率，设计有效的多目标路径规划算法是现代无人机对抗决策技术的关键。
[0004]通过对现有相关领域的文献检索发现，樊娇等在《火力指挥与控制》(2022，47(02)：43
‑
55)发表的“基于改进NSGA
‑
II算法的多目标无人机路径规划”一文中，在原有NSGA
‑
II算法的基础上针对于路径规划这一工程问题的特性设计了不同的进化算子，最终得到了一组Pareto最优路径，但是其环境建模方式为二维建模，仅考虑威胁区，没有考虑地形对航迹的影响。其次，该论文提出的路径规划模型由于其中间节点设置较少，导致算法最终得到的Pareto最优结果较少，不利于对抗决策的路径选择。周德云等在《系统工程与电子技术》(2017，39(04)：782
‑
787)发表的“基于多目标优化算法的多无人机协同航迹规划”一文中，提出了CO
‑
NSGA
‑
II算法，针对多无人机路径规划协同性这一工程问题，在算法的非支配排序过程中将拥挤距离排序改进协同性排序，可以在满足多无人机协同要求的条件下得到一组Pareto最优路径集。但是其改进的拥挤度排序方式没有考虑不同路径有可能在解空间内对应相近的Pareto解，因此最终得到的结果多样性不高。而且环境建模同样为二维空间建模，实用性较差。

技术实现思路

[0005]本专利技术旨在三维空间下建立对抗环境模型，综合考虑地形和威胁区影响。针对三维模型求解空间较大的问题，设计了分段松鼠觅食机制，针对排序位置不同的松鼠群体设计不同的位置更新方法，提高收敛性能。针对路径规划对于多目标Pareto解集多样性的要求，设计多膜多目标进化框架，在迭代过程中每个膜内都有自己的最优解集，不同膜之间根
据特定的非支配排序方式进行优先级排序，提高算法解集的多样性。
[0006]本专利技术的目的是这样实现的：步骤一：简历对抗环境模型，山峰建模函数为：其中z(x,y)为山峰在横坐标为x纵坐标为y处的山峰地形高度，(x0,y0)为山峰的中心点坐标，x
s
和y
s
分别为山峰在x轴方向上和y轴方向上的倾斜度，h为山顶高度，最终山地三维模型由多个山峰函数叠加而成；雷达与目标距离建模函数为其中R(x,y,z)为雷达范围内目标到雷达中心点的距离，R
max
为雷达监测的最大距离；高炮由于其有最大仰射角，因此其攻击范围用圆柱体来进行建模攻击范围，建模函数为圆柱体G(x,y,z)，其满足约束其中h
max
为圆柱体高度，G
max
为圆柱体底面半径，高炮的最大仰射角θ
max
为θ
max
＝arctan(h
max
/G
max
)；
[0007]步骤二：确定三种目标的多目标函数；
[0008]步骤三：松鼠种群初始化，计算初始目标函数值；
[0009]步骤四：对松鼠种群进行非支配解排序，得到此次迭代Pareto解集；
[0010]步骤五：拥挤距离计算，相同层级拥挤距离排序；
[0011]步骤六：子膜划分，第t代对于非支配排序后的松鼠种群设定子膜的半径为R，选定当前待划分种群中状态为未划分子膜状态的且排在第一位的松鼠个体p1为当前子膜的领导个体；遍历当前种群计算第q个体与领导个体p1的距离如果则将此松鼠个体加入当前领导个体的子膜中，并将此个体在原种群中标记为已划分子膜状态；重复此步骤直至原种群中所有个体都已划分至领导个体的子膜中，则第k个子膜的个体集合表示为
[0012][0013]步骤七：每个膜内松鼠子种群演化，选取第k个子膜内前m
k
个个体为山核桃树松鼠个体，第m
k
+1个个体至第n
k
个个体为橡树松鼠个体，其余个体为处于普通树的松鼠个体；
[0014]步骤八：判断是否达到最终迭代次数，若是，输出此地形环境下的多目标Pareto解集；若否，则令迭代次数t加1，转至步骤四，重新迭代。
[0015]与现有技术相比，本专利技术的有益效果是：目前应用与无人机航迹规划领域的多目标优化算法，大多数为二维环境建模，但实际对抗情况为复杂的三维模型，因此需要综合考虑地形，威胁等对无人机航迹规划的影响。其次，经典的多目标优化算法如NSGA
‑
II应用于路径规划时，由于其拥挤距离计算方式仅仅考虑了目标空间拥挤度，而且其演化方式为整体种群演化，容易造成航迹规划结果拥挤，多样性较差。除此之外，在演化过程中经典多目标优化算法的演化方式容易陷入局部最优，收敛性能较差。本专利技术有益之处在于：拥挤距离计算方式同时考虑目标空间和决策空间，通过比较其于各自空间内拥挤距离的比值，保留较大方即影响程度较大一方作为最终拥挤距离。其次，本专利技术设计了多目标多膜演化方式，经过非支配排序后，不同的子膜内群体向不同方向演化，尽量避免整个种群向同方向演化，
提高路径规划的多样性。再次，本专利技术改进了经典的松鼠觅食优化算法作为演化算法，针对不同松鼠群体，设计不同演化方式，提高路径规划Pareto最优路径解集的收敛性。
附图说明
[0016]图1为本专利技术算法流程图。
[0017]图2为本专利技术三维环境建模图。
[0018]图3为本专利技术所提多目标算法路径规划结果。
[0019]图4为与本专利技术对比的经典多目标算法NSGA
‑
II路径规划结果。
具体实施方式
[0020]下面结合附图与具体实施方式对本专利技术作进一步详细描述。
[0021]本专利技术具体涉及一种基于多目标改进松鼠觅食优化算法的无人机航迹规划方法。首先进行对抗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多目标自组织松鼠觅食机制的无人机航迹规划方法，其特征在于，步骤如下：步骤一：简历对抗环境模型，山峰建模函数为：其中z(x,y)为山峰在横坐标为x纵坐标为y处的山峰地形高度，(x0,y0)为山峰的中心点坐标，x
s
和y
s
分别为山峰在x轴方向上和y轴方向上的倾斜度，h为山顶高度，最终山地三维模型由多个山峰函数叠加而成；雷达与目标距离建模函数为R(x,y,z)≤R
max
，其中R(x,y,z)为雷达范围内目标到雷达中心点的距离，R
max
为雷达监测的最大距离；高炮由于其有最大仰射角，因此其攻击范围用圆柱体来进行建模攻击范围，建模函数为圆柱体G(x,y,z)，其满足约束z≤h
max
，其中h
max
为圆柱体高度，G
max
为圆柱体底面半径，高炮的最大仰射角θ
max
为θ
max
＝arctan(h
max
/G
max
)；步骤二：确定三种目标的多目标函数；步骤三：松鼠种群初始化，计算初始目标函数值；步骤四：对松鼠种群进行非支配解排序，得到此次迭代Pareto解集；步骤五：拥挤距离计算，相同层级拥挤距离排序；步骤六：子膜划分，第t代对于非支配排序后的松鼠种群设定子膜的半径为R，选定当前待划分种群中状态为未划分子膜状态的且排在第一位的松鼠个体p1为当前子膜的领导个体；遍历当前种群计算第q个体与领导个体p1的距离如果则将此松鼠个体加入当前领导个体的子膜中，并将此个体在原种群中标记为已划分子膜状态；重复此步骤直至原种群中所有个体都已划分至领导个体的子膜中，则第k个子膜的个体集合表示为步骤七：每个膜内松鼠子种群演化，选取第k个子膜内前m
k
个个体为山核桃树松鼠个体，第m
k
+1个个体至第n
k
个个体为橡树松鼠个体，其余个体为处于普通树的松鼠个体；步骤八：判断是否达到最终迭代次数，若是，输出此地形环境下的多目标Pareto解集；若否，则令迭代次数t加1，转至步骤四，重新迭代。2.根据权利要求1所述的基于多目标自组织松鼠觅食机制的无人机航迹规划方法，其特征在于，步骤二具体包括：路径总长度代价计算方式为：其中L为路径总长度，N为路径节点的总个数，为路径节点的三维坐标；路径威胁代价计算方式为：其中M为威胁点总数，为第j1个威胁点的威胁权重，为路径第i2个节点的坐标，为第j1个威
胁点的坐标，路径总隐蔽代价计的算方式为其中H为总隐蔽代价，是路径中第i3个节点的高度，h
safe
为系统定义的安全高度上限，超过此上限则暴露风险增加。3.根据权利要求1所述的基于多目标自组织松鼠觅食机制的无人机航迹规划方法，其特征在于，步骤三具体包括：设定种群中松鼠个体总数为L1，第t代松鼠种群矩阵为其中为每个个体代表的路径节点矩阵，与[x1,x2,...,x
N
]对应，与[y1,y2,...,y
N
]对应，与[z1,z2,...,z
N
]对应，(x
l
,y
l
,z
l
),l＝1,2,...,N是每个个体代表的路径中第l个节点的坐标；对初始化完成的松鼠种群矩阵计算目标函数值，得到第t代目标函数值矩阵其中为第t代第o个松鼠个体在第m个目标函数下的目标函数值,f
1t
表示第t代L1个松鼠的路径长度代价值构成的路径长度代价矢量，表示第t代L1个松鼠的的路径威胁代价值构成的路径威胁代价矢量，表示第t代L1个松鼠的路径隐蔽代价值构成的路径隐蔽...

【专利技术属性】
技术研发人员：高洪元，白浩川，孙溶辰，谷晓苑，张禹泽，郭颖，王钦弘，李慧爽，陈暄，郑雅晴，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：