【技术实现步骤摘要】
本专利技术属于无人机领域中的多定点覆盖轨迹优化领域，具体涉及一种基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法及系统。
技术介绍
1、无人机多定点覆盖轨迹优化问题是一个经典的组合优化问题，其目标是找到一条最短的路径，让无人机依次经过所有给定点并最终回到起始点。该问题属于np-难问题，意味着在一般情况下，没有已知的高效算法能够在多项式时间内解决它。该问题在计算机科学、运输、物流等领域有着广泛的应用。
2、现存在常用的解决无人机多点覆盖轨迹规划优化算法根据其形式可以分为以下五类：基于所有路径搜索的穷举法，但对于大规模问题来说，由于路径指数级的增长而不适用。基于规则或启发式策略搜索可能解的启发式算法，如蚁群算法(ant colonyoptimization)、遗传算法(genetic algorithm)、模拟退火算法(simulated annealingalgorithm)等，但对于大规模问题容易陷入局部最优而收敛且效果较差。基于存储中间结果避免复杂计算的动态规划算法，但是同样在面对大规模问题时计算复杂度增加而不实用...
【技术保护点】
1.一种基于Kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于Kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，根据定点的坐标位置生成特征信息时，各定点的坐标和各定点之间的距离已知，通过定点的横坐标和纵坐标生成位置信息，作为该定点的特征信息；
3.根据权利要求1所述的基于Kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，对多个子点集群中的单一子点集群通过蚁群算法得到最优路径时，针对聚类后得到的子点集群，采用蚁群算法对其求解最优路径，包括路径构建和信息素更
【技术特征摘要】
1.一种基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，根据定点的坐标位置生成特征信息时，各定点的坐标和各定点之间的距离已知，通过定点的横坐标和纵坐标生成位置信息，作为该定点的特征信息；
3.根据权利要求1所述的基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，对多个子点集群中的单一子点集群通过蚁群算法得到最优路径时，针对聚类后得到的子点集群，采用蚁群算法对其求解最优路径，包括路径构建和信息素更新，具体如下：
4.根据权利要求1所述的一种基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，在单一子点集群中，将依次经过的定点按顺序排列时，
5.根据权利要求1所述的一种基于kmeans-蚁群的无人机多点覆盖的飞行轨迹优化方法，其特征在于，计算一个子点集群中相邻的两个定点到另一个子点集群中相邻的两个定点之间的距离时，通过蚁群算法得到每个子点集群最优路径重组后的定点序列，将所述定点序列连接起来形成一个闭环，两个子点集群闭环形成一个闭环至少需要四个定点，形成新的闭环伴随着路径距离的改变，距离变动越...
【专利技术属性】
技术研发人员：李小虎，邱荣灿，王云龙，万少可，洪军，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。