一种改进Q-学习蚁群算法的多无人机四维航迹规划方法技术

本发明专利技术公开一种改进Q‑学习蚁群算法的多无人机四维航迹规划方法，涉及多无人机四维航迹规划技术领域。所述方法包括：首先，构建多个蚁群并初始化，每个蚁群包含若干个搜索同一个无人机四维航迹的蚂蚁；然后，设计基于改进Q‑学习的四维航迹构建方法，引导各蚁群中蚂蚁搜索无人机四维航迹；同时，针对多无人机航迹共享同一时空间资源，设计多蚁群合作策略，引导多蚁群协同进化搜索全局最优多无人机四维航迹规划方案。本发明专利技术充分考虑多无人机任务时空资源分配的公平性和高效性，通过Q‑学习和协同优化，可快速准确搜索全局安全高效运行的多无人机四维航迹，为飞行前多无人机任务提供有效四维航迹运行方案。

【技术实现步骤摘要】

本专利技术涉及一种多无人机四维航迹规划方法，特别是一种改进q-学习蚁群算法的多无人机四维航迹规划方法。

技术介绍

1、随着人工智能、自动驾驶、物联网等技术的发展，以及多类型民用无人机的出现，城市范围内无人机使用需求极速增长，无人机创新应用场景不断涌现，尤其是物流无人机将在城市中大量涌现，并呈现高密度运行趋势，很小区域内(如10km2)涉及无人机数量成百上千架，以完成末端配送服务。当城市空中交通进入规模化运行阶段，合理有效、智能精准的无人机交通飞行调配策略就显得至关重要。在既有空域结构基础上，通过对无人机四维航迹进行科学安排、协同优化和智能调配，以解决各无人机在飞行过程中存在的冲突，其关键之一在于飞行前(约30分钟)的快速全局多无人机航迹规划。

2、无人机航迹规划本质上是一个组合优化问题，并且是一个np-hard问题，通常随着问题规模的扩大，求解问题的时间呈指数增长，无法用常规的方法进行求解。多无人机航迹规划计算更加复杂、约束条件更多，传统的单机航迹规划方法在全局最优性、求解时效性和时空资源分配公平性三个方面力不从心；智能优化算法因其具有全局优化本文档来自技高网...

【技术保护点】

1.一种改进Q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种改进Q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤1中所述的构建多个蚁群并初始化，具体方法包括如下步骤：

3.根据权利要求2所述的一种改进Q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤2中所述的设计基于改进Q-学习的四维航迹构建方法，具体包括如下步骤：

4.根据权利要求3所述的一种改进Q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤3中所述的设计多蚁群合作策略，具体方法包括如下步骤：

5.根...

【技术特征摘要】

1.一种改进q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种改进q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤1中所述的构建多个蚁群并初始化，具体方法包括如下步骤：

3.根据权利要求2所述的一种改进q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤2中所述的设计基于改进q-学习的四维航迹构建方法，具体包括如下步骤：

4.根据权利要求3所述的一种改进q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤3中所述的设计多蚁群合作策略，具体方法包括如下步骤：

5.根据权利要求3所述的一种改进q-学习蚁群算法的多无人机四维航迹规划方法，其特征在于，步骤2.6中所述的采用改进q-学习的局部更新策略更新第k个蚁群的信息素信息具体方法包括如下步骤：

6.根据权利要求4所述的一种改进q-学习蚁群算法的多...

【专利技术属性】
技术研发人员：肖明明，于楠，董斌，王硕，李恒辉，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：