[发明专利]一种基于多目标进化方法的多弹协同航路计算方法

说明书

技术领域

本发明属于任务规划技术领域，具体涉及一种基于多目标进化方法的多弹协同航路计算方法。

背景技术

航路规划是任务规划系统的核心之一，其核心内容是在初始点和目标点之间选择满足一系列约束条件的点，并且在约束条件下对其优化，得到一条优化航路，从某种意义上讲，就是使明确的目标与各种限制函数相匹配的优化问题。导弹航路规划的目的是利用地理信息和战场环境信息，在满足各种约束条件的前提下，规划导弹的飞行航路，使得导弹的特定评价指标达到最优，从而提高导弹的作战效能。

在针对导弹的航路规划过程中，需要了解和掌握诸如规划区域的地理信息、敌我双方的位置坐标和运动情况、敌方的防空火力分布、武器的性能等多方面的信息。将这些信息结合导弹自身的约束进行航路规划，是一个复杂的多目标非线性寻优问题，其计算量大，计算过程非常复杂。另外，现代战争的防空技术日益发展，要出色完成作战任务，进行可靠性打击，还需要对同一具有防空设施的目标实施多波次攻击、饱和攻击等等。在多波次攻击中，航路规划必须协调各波次之间的攻击时差；在饱和攻击中，航路规划必须协调各枚导弹设定的攻击时间。如何为每一枚导弹生成有效的航路，并调整各枚导弹的航路航程以协调其打击目标的时间，是完成攻击任务的前提条件之一。

目前，常用的航路规划方法有Voronoi图法、栅格法、数学规划方法、人工势场法和遗传算法等等。

Voronoi图法其基本原理是将环境空间划分为若干个区域，每个区域内只包含一个障碍物的边界，并且环境空间任意一点到本区域内障碍物边界的距离比到其它区域内障碍物边界都短，在由区域边界组成的从起始点到目标点之间的集合当中搜索出一条最短路径，这条路径的优点在于即使产生位置误差，移动机器人也不会碰撞障碍物，相对比较安全。其缺点是规划出来的航路过于接近障碍物，而且误差较大。

栅格法的主要思想是将飞行器的环境空间分解成一系列具有二进制信息的栅格单元，多数使用四叉树或八叉树方法。其中主要的划分方法是：每个栅格单元都记录了环境空间信息，有障碍物的地方累积值比较高，因此环境空间信息可被量化为具有一定分辨率的栅格。通过优化搜索策略，飞行器就会在这些栅格当中避开障碍并完成航路规划。栅格法在环境空间的表达上具有一致性、规范性和简单性，但是没有考虑到环境本身的分布特点，依赖于对精度的要求，搜索具有盲目性，当环境复杂时，搜索空间会相当的大，算法效率很低。

数学规划方法通常将避障问题表示成一系列不等式约束，这样，路径规划问题就可以表示成带有约束条件的最优化问题。这类方法的一大优点就是除了距离和障碍之外，还可以综合考虑多种与路径相关的其他要素，如路径的安全性、可执行性等。由于该最优化问题通常是非线性的，并且带有多个不等式约束，一般需用数字方法进行求解。数学规划方法用于求解路径规划一般计算量都很大，而且受局部最小值的影响，通常只用于局部路径规划。

人工势场法的基本思想是将移动机器人在环境空间中的运动视为一种虚拟人工受力场中的运动。目标点对机器人产生引力，而障碍物对其产生斥力。由引力和斥力产生势场，机器人在势场中受到抽象力的作用下，能够规避障碍物。该方法结构简单，易于实现，在处理未知环境信息下的动态路径规划方面得到了广泛应用，但是这种方法容易陷入局部最优，产生死锁现象，即在相近障碍物之间不能发现路径，在障碍物前面容易发生震荡。

遗传算法是以遗传机制和自然选择等生物进化理论为基础，通过数学和计算机模拟生物进化的过程。其基本思想是：将路径规划中的各个路径点构建为以编码形式存在的个体，这些个体组成了一个种群。通过建立适应度函数，在种群当中进行选择、交叉和变异等遗传操作，经过若干代的进化，直到最后产生满足期望的子代，然后输出最优良的个体。遗传算法的优势在于它采用并行方式处理多点搜索问题，克服了其他单点搜索算法容易陷入局部最优的缺陷，适用于全局路径规划，容易搜索到全局最优解。其缺点是遗传因子和控制参数难以决策，算法可能容易出现过早收敛和停滞现象。

因此，以上这些算法应用于导弹航路规划仍有很多有待解决的问题。且其大都是针对单一一枚导弹的规划，没有从多弹协同的角度考虑。因此，以上这些算法均不能有效地从实际意义上解决针对多弹协同航路规划的问题。

发明内容