一种基于蜂群协同觅食算法的多无人机航迹规划方法

摘要

本发明属于无人机技术领域，具体涉及一种可用于多无人机目标跟踪、航迹优化、协同管理、协同飞行、任务分配的多无人机航迹规划方法。本发明包括：初始化航迹规划任务的详细信息，进行坐标离散变换；初始化蜂群协同觅食算法参数；计算每架无人机的航迹路径的代价；每架无人机根据当前的位置计算当前路径代价；跟随机选择引领对象，每一个引领机招募一个跟随机；无人机放弃当前路径，搜索新路径；保存最优路径的参数并且计算最优值；检查是否达到迭代次数上限。本发明克服了传统智能优化航迹规划方法的初始化敏感问题；本发明可以改善算法的精度，以便得到最优解，或者是与最优解十分接近的次优解，提升了航迹规划的稳定性，提高了搜索效率。

主权项

1.一种基于蜂群协同觅食算法的多无人机航迹规划方法，其特征在于，包括如下步骤：（1）根据环境模型，初始化航迹规划任务的详细信息，进行坐标离散变换；（2）初始化蜂群协同觅食算法参数，包括搜索时间阈值T，迭代次数为K，初始化算法的搜索时间Bas=0，起始迭代次数K=1种群总数N，引领机数目N₁和跟随机数目N₂，N=N₁+N₂；（3）根据无人机航迹参数，计算每架无人机的航迹路径的代价f^j（j=1,2,3...,n），x(j)为第j条航路，J_i(x(j))为航路规划目标中第i项航路规划目标罚函数，ω_i为各个惩罚函数的权系数，j为无人机航迹序数，n为航迹总数，k为在评价函数中需要评价的总项数；（4）每架无人机根据当前的位置计算当前路径代价，如果当前路径代价比原路径代价低，更新无人机的位置：对于第i个无人机，产生在[1，D]的整数j，[1,NE]的整数k，第i个无人机的第j个参数用更换，计算更新参数后的新的代价值并且选择一个低代价的无人机航迹作为新的航迹，是无人机位置向量特征值，j∈{1,2,…,Q}，rand(0,1)是(0,1)上均匀分布的随机数，x_max,x_min分别是x_i的上限值和下限值；（5）根据每架无人机的代价值，跟随机选择引领对象，每一个引领机招募一个跟随机，在引领机周围空间继续搜索新路径，重复步骤（4），如果这个新路径比原路径代价低，那随机转化为引领机，更新每架无人机的位置，继续探测，搜索时间Bas重新置0，如果这个新路径比原路径代价高，保持继续搜索，Bas加1；（6）如果搜索时间Bas大于确定的临界值，无人机放弃当前路径，搜索新路径，重新执行（2）；（7）保存最优路径的参数并且计算最优值；（8）检查是否达到迭代次数上限，达到则结束搜索，否则重复步骤（4）到步骤（7）。