[发明专利]一种基于粒子群算法的多无人机救灾搜索路径的优化方法

权利要求书

1.一种基于粒子群算法的多无人机救灾搜索路径的优化方法，其特征在于，包括以下步骤：

(1)初始化设置粒子群的数量、惯性权值和最大允许迭代次数；

(2)对救灾搜索区域进行区域划分，并生成随机的无人机和区域的任务匹配；

(3)计算每个任务的目标评价函数，确认每个无人机的目标区域；

(4)计算各无人机的新速度，并对各无人机的新速度进行限幅处理；

(5)计算各无人机的新位置，并对各无人机的新位置进行限幅处理：使其新位置处于目标区域；

(6)按目标评价函数重新评价各无人机的适应值；

(7)个体最优任务分配：对每个无人机比较其当前适应值和其个体经历过的最好适应值，找到其个体历史最好位置；

(8)全局历史最优任务分配：比较群体所有无人机的当前适应值和全局历史最好的适应值，若某个无人机的当前适应值更优，则令该无人机的当前适应值为全局历史最好适应值，并保存该无人机的当前位置为全局历史最好位置。

2.根据权利要求1所述的基于粒子群算法的多无人机救灾搜索路径的优化方法，其特征在于，所述步骤(3)和步骤(4)之间还包括如果产生无人机与目标区域重复时，进行任务重新分配，直到无人机与目标区域一一对应，不产生重叠。

3.根据权利要求1所述的基于粒子群算法的多无人机救灾搜索路径的优化方法，其特征在于，所述步骤(3)中每个任务的目标评价函数为其中，C(X_ij)为目标评价函数，X_ij为无人机j搜索目标区域i，α₁和α₂分别为距离和可搜索时间对任务的影响，w₁和w₂分别为距离和可搜索时间对任务的影响所占的权重，d_ij为第j个无人机飞到目标区域i的距离，d_max为所有无人机相对目标区域i的最大距离，θ_ij为第j个无人机能在目标区域i的搜索的时间，θ_max为所有无人机能在目标区域i搜索的最大时间。

4.根据权利要求1所述的基于粒子群算法的多无人机救灾搜索路径的优化方法，其特征在于，所述步骤(4)中无人机k的速度用V_k＝(v_k1,v_k2,…,v_kn)表示，对于新速度，用v_ki(t+1)＝w_pv_ki(t)+c₁r₁(p_ki(t)-X_ki(t))+c₂r₂(p_gi(t)-X_gi(t))进行迭代，其中，w_p为线性递减权重，c₁和c₂为学习常数，r₁和r₂为介于0到1的随机数；p_ki(t)为每个无人机到目前为止所出现的最优位置；p_gi(t)为所有无人机到目前位置所出现的最优位置；X_ki(t)表示在t时刻无人机k搜索目标区域i，X_gi(t)表示在t时刻另一个无人机g搜索目标区域i。

5.根据权利要求1所述的基于粒子群算法的多无人机救灾搜索路径的优化方法，其特征在于，所述步骤(5)中无人机k的位置用X_k＝(X_k1,X_k2,…X_kn)表示，对于新位置，用X_ki(t+1)＝X_ki(t)+v_ki(t+1)*1进行迭代，其中，v_ki(t+1)为无人机k的新速度。