基于反向学习差分进化算法的多无人机协同路径规划方法技术

本发明专利技术公开了基于反向学习差分进化算法的多无人机协同路径规划方法，本发明专利技术在基本差分进化算法的基础上引入了量子理论和失败者反向学习机制，通过量子理论将常见的变异策略改变为基于量子行为的变异策略，从而得到了多样性较高的变异向量以提高种群的多样性，使算法具有了更好的搜索能力；通过在差分进化算法进行选择步骤前，定义代价值大于最优代价值的个体为失败者，令失败者进行反向学习，从而淘汰了性能较差的个体以提高算法收敛速度，更有效的避免算法陷入局部最小值；改进算法相比于基本的差分进化算法，表现出了更好的优化性能，改进算法收敛速度更快、收敛精度更高，且规划出的路径更短、更平滑。

【技术实现步骤摘要】

本专利技术属于智能无人机导航与控制以及智能优化，具体涉及基于反向学习差分进化算法的多无人机协同路径规划方法。

技术介绍

1、路径规划是无人机导航技术的一个重要研究方向；多无人机路径规划要求在同一个空间环境内为每一架无人机规划一条起始点到目标点的安全路径；其需要解决的主要问题包括：寻找多条最优路径；解决无人机与障碍物的碰撞问题；协调多个无人机的运动，包括无人机之间不发生碰撞，无人机间在运动中保持通信，多架无人机运动时间一致等；因此进行规划时不仅要考虑路径长度、飞行高度、路径平滑度、路径安全还要考虑无人机间的时空协调问题；多无人机的路径规划是以单个无人机进行路径规划为基础，需要解决多无人机之间协调问题，以确保无人机之间在保持通信的前提下不发生碰撞以及绕开障碍物，并同时到达目标点；多无人机的协作策略是多无人机系统执行任务的前提。

2、差分进化算法(differential evolution，简称de)是一种基于群体进化的启发式算法，最初由storn和price于1995年提出；它具有多个优点，包括简单高效、快速收敛、鲁棒性等，并在解决优化问题上表现本文档来自技高网...

【技术保护点】

1.基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述方法如下：

2.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤三中，初始化R组差分进化群体：随机生成R个无人机对应的路径；每组差分进化群体中个体的个数为N：每个无人机初始化N条路径，个体维数为3×D。

3.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤四中，最优个体：适应度值最小的个体；适应度：个体对应的路径的优秀程度。

4.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划...

【技术特征摘要】

1.基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述方法如下：

2.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤三中，初始化r组差分进化群体：随机生成r个无人机对应的路径；每组差分进化群体中个体的个数为n：每个无人机初始化n条路径，个体维数为3×d。

3.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤四中，最优个体：适应度值最小的个体；适应度：个体对应的路径的优秀程度。

4.根据权利要求1所述的基于反向学习差分进化算法的多无人机协同路径规划方法，其特征在于：所述步骤五中...

【专利技术属性】
技术研发人员：张祥银，陆瑶，张相森，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：