專利名稱：基于Voronoi圖和蟻群優(yōu)化算法的無(wú)人機(jī)航路規(guī)劃方法
技術(shù)領(lǐng)域：
無(wú)人機(jī)(Unmanned Aerial Vehicle)是一種有動(dòng)力、可控制、能攜帶多種任務(wù)設(shè)備、執(zhí)行多種作戰(zhàn)任務(wù)并能重復(fù)使用的無(wú)人戰(zhàn)術(shù)飛行器。由于其零傷亡風(fēng)險(xiǎn)和高機(jī)動(dòng)性等優(yōu)勢(shì)引起了各國(guó)軍方的高度重視。而航路規(guī)劃(Path Planning)作為無(wú)人機(jī)任務(wù)規(guī)劃系統(tǒng)的關(guān)鍵組成部分，其目標(biāo)是在適當(dāng)?shù)臅r(shí)間內(nèi)計(jì)算、選擇最優(yōu)或次優(yōu)的飛行航路，對(duì)合理分配無(wú)人機(jī)的作戰(zhàn)資源，實(shí)現(xiàn)無(wú)人機(jī)的最大作戰(zhàn)效能起著至關(guān)重要的作用。目前，國(guó)內(nèi)外在航路規(guī)劃技術(shù)方面的研究正進(jìn)一步向智能化、實(shí)時(shí)性、可實(shí)現(xiàn)性方向發(fā)展，但基本上還處于初始研究階段。蟻群優(yōu)化(Ant Colony Optimization)算法是一種最新發(fā)展的模擬昆蟲(chóng)王國(guó)中螞蟻群體覓食行為的仿生優(yōu)化算法，該算法采用了正反饋并行自催化機(jī)制，具有較強(qiáng)的魯棒性、優(yōu)良的分布式計(jì)算機(jī)制、易于與其他方法結(jié)合等優(yōu)點(diǎn)，在解決許多復(fù)雜優(yōu)化問(wèn)題方面已經(jīng)展現(xiàn)出其優(yōu)異的性能和巨大的發(fā)展?jié)摿Α?br>
本發(fā)明針對(duì)無(wú)人機(jī)航路規(guī)劃的特點(diǎn)，基于Voronoi圖和改進(jìn)蟻群優(yōu)化算法解決了無(wú)人機(jī)航路規(guī)劃問(wèn)題。與傳統(tǒng)的航路規(guī)劃方法相比，該發(fā)明所提出的方法具有較好的實(shí)時(shí)性和快速性，所搜索到的航路更逼近實(shí)際的無(wú)人機(jī)最優(yōu)航路。該方法是解決復(fù)雜動(dòng)態(tài)環(huán)境下無(wú)人機(jī)航路規(guī)劃的有效技術(shù)途徑，同時(shí)，本發(fā)明也可應(yīng)用于復(fù)雜環(huán)境下的機(jī)器人路徑規(guī)劃、城市交通車輛路徑規(guī)劃等技術(shù)領(lǐng)域。
背景技術(shù)：
目前，常用的無(wú)人機(jī)航路規(guī)劃算法有可行性方向算法、A*算法、遺傳算法等。
可行性方向算法是由梯度法演化而來(lái)的，與一般梯度搜索尋優(yōu)法一樣，通過(guò)不斷改變控制量，直到性能指標(biāo)最優(yōu)。其獨(dú)到之處在于，它先找到控制變量的最佳允許方向，然后再沿該方向改變控制量。因此，該方法在調(diào)節(jié)控制變量使性能指標(biāo)變小的同時(shí)，還能滿足約束條件?？尚行苑较蛩惴ǖ木窒扌栽谟谑諗克俣嚷?，而且可能得到一個(gè)局部最優(yōu)解而非全局最優(yōu)解?；谔荻确ǖ乃蟹椒ㄊ諗克俣榷季哂休^大的不確定性，其收斂速度受地形輪廓影響較大。
遺傳算法提供了一種求解復(fù)雜化問(wèn)題的通用框架，而且它對(duì)問(wèn)題的具體細(xì)節(jié)要求不高，對(duì)問(wèn)題的類有很強(qiáng)的魯棒性。然而將遺傳算法用在航路規(guī)劃中可能相對(duì)而言比較費(fèi)時(shí)，一般不適合用來(lái)進(jìn)行實(shí)時(shí)規(guī)劃，但是目前的計(jì)算體系是串行的，而遺傳算法具有隱含的并行性，這使其有很大的發(fā)展?jié)摿?。該算法的缺點(diǎn)是遺傳因子以及控制參數(shù)難于選擇，算法有時(shí)還可能出現(xiàn)過(guò)早收斂和停滯現(xiàn)象。
A*算法通過(guò)啟發(fā)信息引導(dǎo)搜索，達(dá)到減小搜索范圍、提高計(jì)算速度的目的。啟發(fā)信息一般取從搜索空間中某個(gè)中間節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的最優(yōu)代價(jià)的估計(jì)值。利用該啟發(fā)信息引導(dǎo)搜索將可以產(chǎn)生最優(yōu)解。因此啟發(fā)信息的選取至關(guān)重要，若太簡(jiǎn)單，則展開(kāi)的中間節(jié)點(diǎn)數(shù)會(huì)增多若太復(fù)雜，則計(jì)算估計(jì)值花費(fèi)的時(shí)間也增多，因此應(yīng)折衷考慮。目前較好的啟發(fā)函數(shù)要靠試湊的方法獲得，使得算法應(yīng)用受到很大的限制。A*算法最大的缺點(diǎn)是搜索空間需求太大，計(jì)算時(shí)間長(zhǎng)。
因此，目前這些方法均沒(méi)能有效地從實(shí)際意義上解決無(wú)人機(jī)的航路規(guī)劃問(wèn)題。
蟻群優(yōu)化算法是一種新興的啟發(fā)式仿生智能優(yōu)化算法，目前人們對(duì)蟻群優(yōu)化算法的研究已經(jīng)由當(dāng)初單一的旅行商問(wèn)題(Traveling SalesmanProblem)領(lǐng)域滲透到了多個(gè)應(yīng)用領(lǐng)域，由解決一維靜態(tài)優(yōu)化問(wèn)題發(fā)展到解決多維動(dòng)態(tài)組合優(yōu)化問(wèn)題，由離散域范圍內(nèi)的研究逐漸拓展到了連續(xù)域范圍內(nèi)的研究，而且在蟻群優(yōu)化算法的硬件實(shí)現(xiàn)上也取得了很多突破性進(jìn)展，從而使這種新興的仿生優(yōu)化算法展現(xiàn)出勃勃生機(jī)和廣闊的發(fā)展前景。
不同于其它仿生智能算法，蟻群優(yōu)化算法采用了正反饋機(jī)制，蟻群尋優(yōu)過(guò)程中所體現(xiàn)出的并行性、協(xié)同性、自組織性、動(dòng)態(tài)性、強(qiáng)魯棒性等特點(diǎn)與復(fù)雜戰(zhàn)場(chǎng)環(huán)境的許多要求是相符的，因此蟻群優(yōu)化算法可用于解決無(wú)人機(jī)的自適應(yīng)航路規(guī)劃問(wèn)題。但是基本蟻群優(yōu)化算法存在著搜索時(shí)間長(zhǎng)、容易陷于局部最優(yōu)解等缺點(diǎn)，因此在應(yīng)用蟻群優(yōu)化算法解決無(wú)人機(jī)航路規(guī)劃問(wèn)題時(shí)必須對(duì)其進(jìn)行改進(jìn)?；诖?，本發(fā)明提出了一種改進(jìn)的蟻群優(yōu)化算法模型，并結(jié)合Voronoi圖將這種改進(jìn)后的蟻群優(yōu)化算法成功應(yīng)用于解決復(fù)雜動(dòng)態(tài)環(huán)境下的無(wú)人機(jī)航路規(guī)劃問(wèn)題。
發(fā)明內(nèi)容
本發(fā)明一種基于Voronoi圖和蟻群優(yōu)化算法的無(wú)人機(jī)航路規(guī)劃方法，它提出了一種改進(jìn)的蟻群優(yōu)化算法模型，并結(jié)合Voronoi圖將這種改進(jìn)后的蟻群優(yōu)化算法成功應(yīng)用于解決復(fù)雜動(dòng)態(tài)環(huán)境下的無(wú)人機(jī)航路規(guī)劃問(wèn)題 自然界中，像螞蟻這類社會(huì)性動(dòng)物，單只螞蟻的能力和智力非常簡(jiǎn)單，但它們通過(guò)相互協(xié)調(diào)、分工、合作完成不論工蟻還是蟻后都不可能有足夠能力來(lái)指揮完成的筑巢、覓食、遷徙、清掃蟻穴等復(fù)雜行為。螞蟻的食物源總是隨機(jī)散布于蟻巢周圍，我們只要仔細(xì)觀察就可以發(fā)現(xiàn)，經(jīng)過(guò)一段時(shí)間后，螞蟻總能找到一條從蟻巢到食物源的最短路徑?？茖W(xué)家曾經(jīng)通過(guò)“雙橋?qū)嶒?yàn)”對(duì)蟻群的覓食行為進(jìn)行了研究。發(fā)現(xiàn)除了能找到巢穴和食物源之間的最短路徑之外，蟻群對(duì)環(huán)境有著極強(qiáng)的適應(yīng)能力。例如當(dāng)原有的最短路徑由于一個(gè)新的障礙物的出現(xiàn)而變得不可行時(shí)，蟻群能迅速找到一條新的最短路徑。
在現(xiàn)實(shí)生活中，我們總可以觀察到大量螞蟻在巢穴與食物源之間形成近乎直線的路徑，而不是曲線或者圓等其它形狀，如圖1(a)所示。螞蟻群體不僅能完成復(fù)雜的任務(wù)，而且還能適應(yīng)環(huán)境的變化，如在蟻群運(yùn)動(dòng)路線上突然出現(xiàn)障礙物時(shí)，一開(kāi)始各只螞蟻分布是均勻的，不管路徑是否長(zhǎng)短，螞蟻總是先按同等概率選擇各條路徑，如圖1(b)所示。螞蟻在運(yùn)動(dòng)過(guò)程中，能夠在其經(jīng)過(guò)的路徑上留下信息素，而且能感知這種物質(zhì)的存在及其強(qiáng)度，并以此指導(dǎo)自己運(yùn)動(dòng)的方向，螞蟻傾向于信息素濃度高的方向移動(dòng)。相等時(shí)間內(nèi)較短路徑上的信息量就遺留得比較多，則選擇較短路徑的螞蟻也隨之增多，如圖1(c)所示。不難看出，由于大量螞蟻組成的蟻群集體行為表現(xiàn)出了一種信息正反饋現(xiàn)象，即某一路徑上走過(guò)的螞蟻越多，則后來(lái)者選擇該路徑的概率就越大，螞蟻個(gè)體之間就是通過(guò)這種信息交流機(jī)制來(lái)搜索食物，并最終沿著最短路徑行進(jìn)，如圖1(d)所示。
蟻群是如何完成這些復(fù)雜任務(wù)的呢？仿生學(xué)家經(jīng)過(guò)大量的觀察、研究發(fā)現(xiàn)，螞蟻在尋找食物時(shí)，能在其經(jīng)過(guò)的路徑上釋放一種螞蟻特有的信息素，使得一定范圍內(nèi)的其他螞蟻能夠感覺(jué)到這種物質(zhì)，且傾向于朝該物質(zhì)強(qiáng)度高的方向移動(dòng)。因此，蟻群的集體行為表現(xiàn)為一種信息正反饋現(xiàn)象某條路徑上經(jīng)過(guò)的螞蟻數(shù)越多，其上留下的信息素也就越多(當(dāng)然，隨時(shí)間的推移會(huì)逐漸蒸發(fā))，后來(lái)螞蟻選擇該路徑的概率也越高，從而更增加了該路徑上信息素的強(qiáng)度。
蟻群優(yōu)化算法是一種新的仿生智能計(jì)算模式，無(wú)人機(jī)自適應(yīng)航路規(guī)劃可巧妙的利用蟻群優(yōu)化算法的如下特點(diǎn) (1)在螞蟻不斷散布生物信息激素的加強(qiáng)作用下，新的信息會(huì)很快被加入到環(huán)境中。而由于生物信息激素的蒸發(fā)更新，舊的信息會(huì)不斷被丟失，體現(xiàn)出一種動(dòng)態(tài)特性； (2)由于許多螞蟻在環(huán)境中感受散布的生物信息激素同時(shí)自身也散發(fā)生物信息激素，這使得不同的螞蟻會(huì)有不同的選擇策略，具有分布性； (3)最優(yōu)路線是通過(guò)眾多螞蟻的合作被搜索得到的，并成為大多數(shù)螞蟻所選擇的路線，這一過(guò)程具有協(xié)同性； (4)螞蟻個(gè)體之間、群體之間以及與環(huán)境之間的相互作用、相互影響、相互協(xié)作，可以完成的復(fù)雜的任務(wù)，這種適應(yīng)性表現(xiàn)為蟻群優(yōu)化算法的魯棒性； (5)自組織使得螞蟻群體的行為趨向結(jié)構(gòu)化，其原因在于包含了一個(gè)正反饋的過(guò)程。這個(gè)過(guò)程利用了全局信息作為反饋，正反饋使系統(tǒng)演化過(guò)程中較優(yōu)解的自增強(qiáng)作用，使得問(wèn)題的解向著全局最優(yōu)化的方向不斷變化，最終能有效地獲得相對(duì)較優(yōu)解。
由此，蟻群優(yōu)化算法實(shí)際上是一類智能多主體系統(tǒng)，其自組織機(jī)制使得蟻群優(yōu)化算法不需要對(duì)所求問(wèn)題的每一方面都有詳盡的認(rèn)識(shí)。自組織本質(zhì)上是蟻群優(yōu)化算法機(jī)制在沒(méi)有外界作用下使系統(tǒng)熵增加的動(dòng)態(tài)過(guò)程，體現(xiàn)了從無(wú)序到有序的動(dòng)態(tài)演化。蟻群優(yōu)化算法尋優(yōu)過(guò)程中所體現(xiàn)出的并行性、協(xié)同性、自組織性、動(dòng)態(tài)性、強(qiáng)魯棒性等特點(diǎn)與復(fù)雜戰(zhàn)場(chǎng)環(huán)境的許多要求是相符的。
Voronoi圖是計(jì)算幾何中重要的幾何圖形，被廣泛應(yīng)用到地形處理等多種區(qū)域劃分的場(chǎng)合，成功地解決了找最近點(diǎn)、求最大空?qǐng)A、最小生成樹(shù)等問(wèn)題。Voronoi圖應(yīng)用在航路規(guī)劃中的最大特點(diǎn)是根據(jù)已知戰(zhàn)場(chǎng)威脅源分布情況下生成由初始可選路徑集構(gòu)成地Voronoi圖，其中Voronoi邊是離散威脅源的中垂線，這樣可以保證無(wú)人機(jī)在飛行過(guò)程中有效地降低威脅代價(jià)。
定義(Voronoi圖)任意兩點(diǎn)p和q之間的歐氏距離，記為dist(p，q)，設(shè)P＝{p1，p2，...，pn}為平面上任意n個(gè)互異的點(diǎn)，P對(duì)應(yīng)的Voronoi圖是平面的一個(gè)子區(qū)域劃分，整個(gè)平面因此被劃分n個(gè)單元，它們具有如下性質(zhì)任意一點(diǎn)q位于點(diǎn)pi所對(duì)應(yīng)的單元中，當(dāng)且僅當(dāng)對(duì)于任何的Pi∈P，j≠i，都有dist(q，Pi)＜dist(q，Pi)。
通過(guò)Voronoi圖對(duì)規(guī)劃環(huán)境表達(dá)的基本思路為將威脅中心位置作為Voronoi圖的點(diǎn)，以威脅大小作為Voronoi圖鄰近區(qū)域的“距離”量度，構(gòu)建威脅配置的Voronoi圖，“距離”越大則所受威脅越小，Voronoi圖的各條邊在相應(yīng)點(diǎn)的領(lǐng)域內(nèi)距威脅“距離”最大，因而所受威脅相應(yīng)最小。
本發(fā)明一種基于Voronoi圖和蟻群優(yōu)化算法的無(wú)人機(jī)航路規(guī)劃方法，該方法具體如下 (1)基于Voronoi圖的無(wú)人機(jī)威脅源建模 Voronoi圖是一種表示點(diǎn)或?qū)嶓w集合近似信息的幾何結(jié)構(gòu)。給定一個(gè)點(diǎn)或者實(shí)體集合，平面就可以劃分成距離各個(gè)點(diǎn)或者實(shí)體最近距離的凸網(wǎng)，這個(gè)凸網(wǎng)即稱為Voronoi圖。通過(guò)Voronoi圖能夠有效的將地理信息中的點(diǎn)、對(duì)象和區(qū)域以拓?fù)浣Y(jié)構(gòu)表示出來(lái)，并能通過(guò)這些拓?fù)潢P(guān)系表示自然語(yǔ)言中的定性關(guān)系和模糊地理信息，從而對(duì)這種定性關(guān)系進(jìn)行度量。圖2給出了某無(wú)人機(jī)威脅源分布態(tài)勢(shì)圖。
對(duì)于構(gòu)成三角形的三個(gè)威脅源來(lái)說(shuō)，都存在唯一的一個(gè)外接圓，稱那些外接圓不包含任何其他威脅源的三角形為Delaunay三角形，外接圓心稱為Voronoi點(diǎn)，將Voronoi點(diǎn)連接起來(lái)就構(gòu)成了Voronoi圖。Voronoi圖每一條邊上的點(diǎn)到相對(duì)應(yīng)的兩個(gè)威脅源等距離。從這個(gè)特點(diǎn)看，Voronoi圖是由每?jī)蓚€(gè)威脅源的垂直平分線構(gòu)成的，在Voronoi邊構(gòu)成的多邊形內(nèi)的點(diǎn)到其威脅源的距離要比到多邊形外的點(diǎn)到威脅源的距離小，即Voronoi圖的邊上的點(diǎn)是到所有雷達(dá)最遠(yuǎn)的點(diǎn)，所以無(wú)人機(jī)沿Voronoi圖的邊飛行的話無(wú)疑是最安全的。
(2)威脅源建模 威脅建模是一個(gè)復(fù)雜的綜合問(wèn)題，它隨著威脅的種類、特征和飛行任務(wù)的變化而變化。無(wú)人機(jī)的航跡規(guī)劃系統(tǒng)要求得到的航跡能夠有效避開(kāi)敵方雷達(dá)的探測(cè)和敵方威脅的攻擊，而且要求避開(kāi)可能影響飛行的險(xiǎn)要地形，惡劣氣候和人工障礙等不利因素，以保證無(wú)人機(jī)的最大生存性。假設(shè)無(wú)人機(jī)在執(zhí)行任務(wù)過(guò)程中保持高度不變、速度不變，而且考慮敵方防御區(qū)處于平坦地域，那么無(wú)人機(jī)就無(wú)法利用地形因素進(jìn)行威脅回避機(jī)動(dòng)，則航路規(guī)劃問(wèn)題就可以化為二維規(guī)劃(也就是水平航路)問(wèn)題。本發(fā)明主要考慮來(lái)自地形、雷達(dá)、導(dǎo)彈和高炮威脅，并根據(jù)各種威脅源的具體特征進(jìn)行建模。
<1>地形威脅 地形威脅主要是指在固定飛行高度上對(duì)無(wú)人機(jī)飛行可能造成障礙的高聳山峰。用圓錐體近似表示山峰，當(dāng)飛機(jī)的飛行高度一定時(shí)上山峰的水平截面為圓周，山峰半徑和飛機(jī)距山峰中心的距離分別為dT和d，撞毀概率PT(d)可近似表示為 <2>雷達(dá)威脅 威脅為雷達(dá)時(shí)，對(duì)無(wú)人機(jī)的威脅與到雷達(dá)的距離的四次方成反比。若雷達(dá)最大探測(cè)半徑為dRmax，飛機(jī)距雷達(dá)的水平距離為d，則無(wú)人機(jī)被敵方雷達(dá)探測(cè)概率PR(d)可近似表示為 <3>導(dǎo)彈威脅 一般地對(duì)空導(dǎo)彈是主要的地面防空武器，根據(jù)導(dǎo)彈的殺傷區(qū)特點(diǎn)，可知其殺傷區(qū)可近似為腰鼓形，水平橫截面圓的半徑d是高度的函數(shù)，并且在某一高度上具有最大的半徑。PM(d)表示飛機(jī)被導(dǎo)彈擊中的概率。若dMmax是導(dǎo)彈殺傷區(qū)域的最大半徑，則殺傷概率PM(d)可近似表示為 <4>高炮威脅 高炮威脅的建模方法類似于導(dǎo)彈威脅。PC(d)表示飛機(jī)被高炮擊中的概率。若dCmax是敵方高炮殺傷區(qū)域的最大半徑，則殺傷概率可近似表示為 (3)基于Voronoi圖的航路代價(jià)計(jì)算 無(wú)人機(jī)航跡規(guī)劃是根據(jù)任務(wù)目標(biāo)規(guī)劃滿足約束條件的飛行軌跡。約束條件包括無(wú)人機(jī)完成規(guī)定任務(wù)的安全性能和燃油性能。所以，無(wú)人機(jī)的航路代價(jià)包含其所受的威脅代價(jià)和燃油代價(jià)。當(dāng)單個(gè)無(wú)人機(jī)沿著Voronoi圖的每一條邊飛行時(shí)，都將具有一定的代價(jià)，記第i條邊的威脅代價(jià)為Jfi，燃油代價(jià)為Jti，則第i條邊的總代價(jià)Ji記為 其中，k為安全性能與燃油性能的權(quán)系數(shù)，k∈
，其值可根據(jù)無(wú)人機(jī)所執(zhí)行的任務(wù)而定，如果任務(wù)重視飛行時(shí)的安全性，則k選擇較小的值；如果任務(wù)需要飛機(jī)的快速性，則k選擇較大的值?？傊訖?quán)的大小取決于權(quán)項(xiàng)的重要性和可行性的綜合指標(biāo)。
雷達(dá)、導(dǎo)彈等威脅源構(gòu)成了與其臨近Voronoi邊的威脅因素，以邊i為例，其威脅代價(jià)是沿邊i的威脅積分，可以簡(jiǎn)化為邊i上M個(gè)離散點(diǎn)的威脅代價(jià)之和，則威脅代價(jià)是M個(gè)離散點(diǎn)到N個(gè)威脅的距離為參數(shù)的函數(shù)。
其中， kT、kR、kM、kC、kW與kf均為權(quán)系數(shù)，反映各威脅源的相對(duì)重要程度。具體如圖3所示。
假定無(wú)人機(jī)在巡航段的速度恒定，因此無(wú)人機(jī)飛行所消耗的燃油就與飛行航路的長(zhǎng)度成正比，飛過(guò)第i條邊消耗的燃油為 (5)基于Voronoi圖和改進(jìn)蟻群優(yōu)化算法的航路規(guī)劃 首先，對(duì)Voronoi圖各邊給出初始信息素值，令螞蟻從距離出發(fā)點(diǎn)最近的Voronoi節(jié)點(diǎn)開(kāi)始搜索，根據(jù)狀態(tài)轉(zhuǎn)移規(guī)選擇行進(jìn)的Voronoi邊，以距離目標(biāo)點(diǎn)最近的Voronoi節(jié)點(diǎn)為終點(diǎn)結(jié)束搜索。當(dāng)所有螞蟻完成各的自候選航路選擇后，按照信息素更新規(guī)則對(duì)Voronoi圖中各邊的信息素進(jìn)行更新，其中沒(méi)有螞蟻經(jīng)過(guò)的邊進(jìn)行信息素蒸發(fā)，重復(fù)這一過(guò)程直至達(dá)到結(jié)束條件。
當(dāng)節(jié)點(diǎn)a出的螞蟻k選擇節(jié)點(diǎn)b時(shí)，其狀態(tài)轉(zhuǎn)移概率為 其中，τab(t)表示Voronoi圖中邊ab上的信息素值，ηab(t)表示節(jié)點(diǎn)a相對(duì)于節(jié)點(diǎn)b的可見(jiàn)性，ηab(t)＝1/Ja，b，Ja，b是邊ab的總代價(jià)；allowed(a)是第k只螞蟻由節(jié)點(diǎn)a可以到達(dá)的所有可行節(jié)點(diǎn)集合；α為信息啟發(fā)式因子，表示軌跡的相對(duì)重要性，反映了螞蟻在運(yùn)動(dòng)過(guò)程中所積累的信息在螞蟻運(yùn)動(dòng)時(shí)所起的作用；β為期望啟發(fā)式因子，表示能見(jiàn)度的相對(duì)重要性，反映了螞蟻在運(yùn)動(dòng)過(guò)程中啟發(fā)信息在螞蟻選擇路徑中的受重視程度。
一旦所有螞蟻完成了各自候選航路的選擇過(guò)程，需要對(duì)各邊的信息素值進(jìn)行更新，更新規(guī)則如下 τ(a，b)＝(1-ρ)τ(a，b)+ρΔτ(a，b)(10) 其中，num是螞蟻的數(shù)量，ρ表示信息素?fù)]發(fā)系數(shù)，則1-ρ表示信息素殘留因子，ρ的取值范圍為ρ[0，1)；Δτk(a，b)表示螞蟻k經(jīng)過(guò)邊ab后信息素增量，其值由下式給出 式中Q表示信息素強(qiáng)度，Q值是一個(gè)常數(shù)；Jkmin表示螞蟻k在本次循環(huán)中的最小代價(jià)。
綜上所述，本發(fā)明一種基于Voronoi圖和蟻群優(yōu)化算法的無(wú)人機(jī)航路規(guī)劃方法，該方法的流程如圖4所示，其具體實(shí)現(xiàn)步驟如下 第一步根據(jù)威脅源分布構(gòu)造Voronoi圖，并計(jì)算Voronoi圖中每條邊的總代價(jià)；參數(shù)初始化，Voronoi圖每條邊賦初始信息素值； 第二步將所有螞蟻置于距離出發(fā)點(diǎn)最近的Voronoi圖節(jié)點(diǎn)，并根據(jù)式(9)選擇下一節(jié)點(diǎn)，直至所有螞蟻完成搜索過(guò)程； 第三步根據(jù)式(5)計(jì)算出可行路徑的代價(jià)，并更新所找到的最優(yōu)路徑； 第四步參照當(dāng)前循環(huán)中最優(yōu)路徑更新所有Voronoi邊信息素值，規(guī)則如式(10)～(12)所示； 第五步若滿足循環(huán)結(jié)束條件，則循環(huán)結(jié)束并輸出程序計(jì)算結(jié)果，否則跳轉(zhuǎn)到第二步。
本發(fā)明一種基于滿意決策蟻群智能無(wú)人機(jī)自適應(yīng)航路規(guī)劃方法，其優(yōu)點(diǎn)及所達(dá)成的功效是將Voronoi圖與蟻群優(yōu)化算法相結(jié)合可以有效的解決無(wú)人機(jī)航路規(guī)劃的問(wèn)題，并具有較好的實(shí)時(shí)性和快速性，所搜索到的航路更逼近實(shí)際的無(wú)人機(jī)最優(yōu)航路。
該方法是解決復(fù)雜動(dòng)態(tài)環(huán)境下無(wú)人機(jī)航路規(guī)劃的有效技術(shù)途徑，同時(shí)，本發(fā)明也可應(yīng)用于復(fù)雜環(huán)境下的機(jī)器人路徑規(guī)劃、城市交通車輛路徑規(guī)劃等技術(shù)領(lǐng)域。
圖1現(xiàn)實(shí)中蟻群尋找食物的過(guò)程 圖2威脅源分布(威脅源中心以點(diǎn)表示) 圖3Voronoi圖邊i的威脅代價(jià)計(jì)算 圖4本發(fā)明的無(wú)人機(jī)航路規(guī)劃流程 圖5在Voronoi圖中用改進(jìn)蟻群優(yōu)化算法生成的無(wú)人機(jī)航路 圖6增加威脅源后生成的無(wú)人機(jī)航路 圖中標(biāo)號(hào)及符號(hào)說(shuō)明如下 d(1，n)——第1個(gè)離散點(diǎn)到第n個(gè)威脅的距離 d(1，n+1)——第1個(gè)離散點(diǎn)到第n+1個(gè)威脅的距離 具體實(shí)施例方式 為了驗(yàn)證改進(jìn)蟻群優(yōu)化算法在Voronoi圖中進(jìn)行航路規(guī)劃的可行性，本發(fā)明一種基于滿意決策蟻群智能無(wú)人機(jī)自適應(yīng)航路規(guī)劃方法，利用圖2所示的無(wú)人機(jī)威脅環(huán)境進(jìn)行了實(shí)驗(yàn)，其具體實(shí)現(xiàn)步驟如下 第一步根據(jù)威脅源分布構(gòu)造Voronoi圖，并計(jì)算Voronoi圖中每條邊的總代價(jià)；參數(shù)初始化num＝30，α＝2，β＝5，ρ＝0.1，Q＝100，k＝0.6。Voronoi圖每條邊賦初始信息素值； 第二步將所有螞蟻置于距離出發(fā)點(diǎn)最近的Voronoi圖節(jié)點(diǎn)，并根據(jù)式(9)選擇下一節(jié)點(diǎn)，直至所有螞蟻完成搜索過(guò)程 第三步根據(jù)式(5)計(jì)算出可行路徑的代價(jià)，并更新所找到的最優(yōu)路徑 第四步參照當(dāng)前循環(huán)中最優(yōu)路徑更新所有Voronoi邊信息素值，規(guī)則如式(10)～(12)所示 τ(a，b)＝0.9τ(a，b)+0.1Δτ(a，b) 第五步若滿足循環(huán)結(jié)束條件，則循環(huán)結(jié)束并輸出程序計(jì)算結(jié)果，否則跳轉(zhuǎn)到第二步。
圖5表示無(wú)人機(jī)進(jìn)入威脅區(qū)域執(zhí)行任務(wù)的示意圖，其中點(diǎn)代表雷達(dá)、導(dǎo)彈等威脅源、“★”代表無(wú)人機(jī)出發(fā)點(diǎn)、“▲”表示任務(wù)目標(biāo)點(diǎn)，可行航路在圖5中用實(shí)線表示。
圖6中威脅源數(shù)量較少，當(dāng)增加威脅源的數(shù)量，再次進(jìn)行規(guī)劃，最后得到仿真結(jié)果如圖6中的實(shí)線所示。
權(quán)利要求
1.一種基于Voronoi圖和蟻群優(yōu)化算法的無(wú)人機(jī)航路規(guī)劃方法，其特征在于該方法的具體步驟如下
第一步根據(jù)威脅源分布構(gòu)造Voronoi圖，并計(jì)算Voronoi圖中每條邊的總代價(jià)；參數(shù)初始化，Voronoi圖每條邊賦初始信息素值；
第二步將所有螞蟻置于距離出發(fā)點(diǎn)最近的Voronoi圖節(jié)點(diǎn)，并根據(jù)公式
選擇下一節(jié)點(diǎn)，直至所有螞蟻完成搜索過(guò)程；
第三步根據(jù)公式
計(jì)算出可行路徑的代價(jià)，并更新所找到的最優(yōu)路徑；
第四步參照當(dāng)前循環(huán)中最優(yōu)路徑更新所有Voronoi邊信息素值，規(guī)則如下列公式所示；
τ(a，b)＝(1-ρ)τ(a，b)+ρΔτ(a，b)
其中，num是螞蟻的數(shù)量，ρ表示信息素?fù)]發(fā)系數(shù)，則1-ρ表示信息素殘留因子，ρ的取值范圍為ρ[0，1)；Δτk(a，b)表示螞蟻k經(jīng)過(guò)邊ab后信息素增量，其值由下式給出
第五步若滿足循環(huán)結(jié)束條件，則循環(huán)結(jié)束并輸出程序計(jì)算結(jié)果，否則跳轉(zhuǎn)到第二步。
全文摘要
本發(fā)明提供了一種基于Voronoi圖和蟻群優(yōu)化算法相結(jié)合的無(wú)人機(jī)航路規(guī)劃方法。首先根據(jù)地形、雷達(dá)、導(dǎo)彈和高炮威脅等各種威脅源的具體特征進(jìn)行建模，而無(wú)人機(jī)的航路代價(jià)包含其所受的威脅代價(jià)和燃油代價(jià)；然后對(duì)Voronoi圖各邊給出初始信息素值，令螞蟻從距離出發(fā)點(diǎn)最近的Voronoi節(jié)點(diǎn)開(kāi)始搜索，根據(jù)狀態(tài)轉(zhuǎn)移規(guī)則選擇行進(jìn)的Voronoi邊，以距離目標(biāo)點(diǎn)最近的Voronoi節(jié)點(diǎn)為終點(diǎn)結(jié)束搜索；當(dāng)所有螞蟻完成各自候選航路選擇后，按改進(jìn)更新規(guī)則對(duì)Voronoi圖中各邊的信息素進(jìn)行更新，其中沒(méi)有螞蟻經(jīng)過(guò)的邊進(jìn)行信息素蒸發(fā)，重復(fù)這一過(guò)程直至搜索到無(wú)人機(jī)最優(yōu)航路。該方法具有較好的實(shí)時(shí)性和快速性，所搜索到的航路更逼近實(shí)際的無(wú)人機(jī)最優(yōu)航路。
文檔編號(hào)G06Q10/00GK101122974SQ20071012177
公開(kāi)日2008年2月13日 申請(qǐng)日期2007年9月13日 優(yōu)先權(quán)日2007年9月13日
發(fā)明者段海濱, 陳宗基, 劉森琪, 晨 魏 申請(qǐng)人:北京航空航天大學(xué)