主权项 |
一种布谷鸟搜索算法解决UAV多任务侦察决策问题的方法,其特征在于包括下述步骤:步骤一、将侦察任务区数量以及各个任务区的位置、面积、最小侦察收益、各任务侦察价值、无人机的总飞行时间和无人机飞行速度作为初始数据;步骤二、以遍历全部侦察任务区且飞行路径最短为优化目标,建立UAV最短侦察路径规划<img file="FDA0000809494170000011.GIF" wi="626" he="172" />式中,d<sub>ij</sub>为任务区i到任务区j的欧氏距离,<img file="FDA0000809494170000012.GIF" wi="534" he="121" />(x<sub>i</sub>,y<sub>i</sub>)表示第i个任务区中心的位置坐标;X<sub>ij</sub>为决策变量,当UAV先执行完任务i之后就执行任务j时值为1,否则为0;n表示任务区数量;步骤三、定义离散布谷鸟搜索算法的鸟窝数量m,巢主鸟能够发现外来鸟蛋的概率P<sub>a</sub>,巢主鸟是智能布谷鸟的概率P<sub>c</sub>,最大迭代次数MaxIt,应用整数编码随机生成一个m×(n+1)的初始矩阵X<sub>m×(n+1)</sub>;步骤四、以遍历全部侦察任务区飞行路径最短为适应度函数,计算每个鸟窝的适应度,逐一比较选出最小值并记录相应的解;步骤五、随机产生服从均匀分布0~1之间的数r<sub>1</sub>,并与概率P<sub>c</sub>进行比较,若r<sub>1</sub><p<sub>c</sub>则证明该布谷鸟具有自主监测能力,将此解的适应度<img file="FDA0000809494170000013.GIF" wi="90" he="85" />与随机选取的第j个解的适应度进行比较,若<img file="FDA0000809494170000014.GIF" wi="148" he="90" />则将第i个解用第j个解替换,其中i,j=1,2,...,m且i≠j;步骤六、通过Lévy飞行产生一个0~1之间的值l,根据l值产生新鸟窝:当l∈[0,i)时,解进行一次2‑opt扰动;当l∈[(k‑1)×i,k×i)时,解进行k次2‑opt扰动;当l∈[k×i,1)时,解通过double‑bridge进行一次大的扰动;其中,i=1/(1+p),p为设定的步数,k∈{2,...,p},Lévy飞行产生值的公式为:step=μ/(|ν|<sup>1/β</sup>),<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>μ</mi><mo>~</mo><mi>N</mi><mrow><mo>(</mo><mn>0</mn><mo>,</mo><msubsup><mi>σ</mi><mi>μ</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mo>,</mo><mi>ν</mi><mo>~</mo><mi>N</mi><mrow><mo>(</mo><mn>0</mn><mo>,</mo><msubsup><mi>σ</mi><mi>ν</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mo>,</mo><msub><mi>σ</mi><mi>μ</mi></msub><mo>=</mo><msup><mrow><mo>{</mo><mfrac><mrow><mi>Γ</mi><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>β</mi><mo>)</mo></mrow><mi>s</mi><mi>i</mi><mi>n</mi><mrow><mo>(</mo><mi>π</mi><mi>β</mi><mo>/</mo><mn>2</mn><mo>)</mo></mrow></mrow><mrow><mi>Γ</mi><mo>[</mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>β</mi><mo>)</mo></mrow><mo>/</mo><mn>2</mn><mo>]</mo><mi>β</mi><msup><mn>2</mn><mrow><mo>(</mo><mi>β</mi><mo>-</mo><mn>1</mn><mo>)</mo><mo>/</mo><mn>2</mn></mrow></msup></mrow></mfrac><mo>}</mo></mrow><mrow><mn>1</mn><mo>/</mo><mi>β</mi></mrow></msup><mo>,</mo></mrow>]]></math><img file="FDA0000809494170000015.GIF" wi="1233" he="173" /></maths>σ<sub>ν</sub>=1,Γ为标准的Gamma函数;然后,计算出新鸟窝的适应度并与之前的进行比较,若<img file="FDA0000809494170000021.GIF" wi="194" he="80" />则用新的解替换,否则不变;步骤七、随机产生服从均匀分布0~1之间的数r<sub>2</sub>,并与概率P<sub>a</sub>进行比较,若r<sub>2</sub><p<sub>a</sub>则抛弃较差鸟窝并通过局部随机过程建立全新的鸟窝;否则,保持不变;将产生的新解与之前的解进行比较保留最优解;步骤八、判断是否达到最大迭代次数,如果没有,迭代次数加1并返回步骤五;否则,进入下一步;步骤九、建立UAV侦察信息确定性指标模型G(t)=G<sub>0</sub>+G<sub>1</sub>(1‑e<sup>‑(βt)</sup>)式中,G<sub>0</sub>为侦察开始前UAV对任务区域已知信息,0≤G<sub>0</sub><1,G<sub>1</sub>为UAV对任务区域的信息不确定性部分,G<sub>0</sub>+G<sub>1</sub>=1;β为侦察载荷对任务区域的侦察能力指数;步骤十、以侦察收益最大为优化目标,建立UAV多任务侦察收益模型<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>G</mi><mrow><mi>m</mi><mi>a</mi><mi>x</mi></mrow></msub><mo>=</mo><mi>m</mi><mi>a</mi><mi>x</mi><mrow><mo>(</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>c</mi><mi>i</mi></msub><mo>·</mo><mo>[</mo><mo>(</mo><mn>1</mn><mo>-</mo><mi>exp</mi><mo>[</mo><mo>-</mo><mo>(</mo><mfrac><mrow><mi>w</mi><mo>·</mo><mi>v</mi></mrow><msub><mi>S</mi><mi>i</mi></msub></mfrac><mo>)</mo></mrow><mo>·</mo><msub><mi>t</mi><mi>i</mi></msub><mo>]</mo><mo>)</mo><mo>]</mo><mo>)</mo></mrow>]]></math><img file="FDA0000809494170000022.GIF" wi="868" he="156" /></maths>式中,c<sub>i</sub>为任务区i的价值,w为UAV携带侦察载荷的扫描宽度;v为UAV的任务飞行速度,S<sub>i</sub>第i个任务区域的面积,t<sub>i</sub>为第i个任务区分配的侦察时间,t<sub>1</sub>=0;步骤十一、定义基本布谷鸟搜索算法的鸟窝数量m,巢主鸟能够发现外来鸟蛋的概率P<sub>a</sub>,最大迭代次数MaxIt,随机生成一个m×(n‑1)的初始矩阵Y<sub>m×(n‑1)</sub>;步骤十二、以多任务侦察收益为适应度函数,计算每个鸟群的适应度,逐一比较选出最大值并记录相应的解;步骤十三、通过Lévy飞行过程产生新的鸟窝,并将最好的鸟窝保留到下一代,鸟窝的更新公式为<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msubsup><mi>x</mi><mi>i</mi><mrow><mo>(</mo><mi>t</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></msubsup><mo>=</mo><msubsup><mi>x</mi><mi>i</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></msubsup><mo>+</mo><mi>α</mi><mo>⊕</mo><mi>L</mi><mrow><mo>(</mo><mi>β</mi><mo>)</mo></mrow><mo>~</mo><mn>0.01</mn><mfrac><mi>μ</mi><mrow><mo>|</mo><mi>ν</mi><msup><mo>|</mo><mrow><mn>1</mn><mo>/</mo><mi>β</mi></mrow></msup></mrow></mfrac><mrow><mo>(</mo><msubsup><mi>x</mi><mi>j</mi><mi>t</mi></msubsup><mo>-</mo><msubsup><mi>x</mi><mi>i</mi><mi>t</mi></msubsup><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000809494170000023.GIF" wi="913" he="164" /></maths>式中,<img file="FDA0000809494170000024.GIF" wi="121" he="90" />和<img file="FDA0000809494170000025.GIF" wi="92" he="80" />分表表示第t+1和第t代第i个鸟窝的位置,<img file="FDA0000809494170000027.GIF" wi="71" he="63" />表示点对点乘法,α>0为步长比例因子,0<β≤2,计算出新鸟窝的适应度并与之前的进行比较,若<img file="FDA0000809494170000026.GIF" wi="212" he="93" />则用新的解替换,否则不变;步骤十四、随机产生服从均匀分布0~1之间的数r<sub>3</sub>,并与概率P<sub>a</sub>进行比较,若r<sub>3</sub><p<sub>a</sub>则抛弃较差鸟窝并通过局部随机过程建立全新的鸟窝;否则,保持不变;将产生的新解与之前的解进行比较保留最优解;步骤十五、判断是否达到最大迭代次数,如果没有,迭代次数加1并返回步骤十三;否则,退出并显示最优结果。 |