[发明专利]基于多种群协作果蝇优化的多无人机协同路径规划方法

说明书

本发明公开一种基于多种群协作果蝇优化的多无人机协同路径规划方法，利用果蝇优化算法，并对其进行改进，将果蝇分群，令果蝇种群之间互相竞争，提高了其在协同规划多机飞行路径情况下的收敛速度，降低了无人机的飞行成本。

技术领域

本发明属于机器人技术领域，尤其涉及一种基于多种群协作果蝇优化的多无人机协同路径规划方法。

技术背景

多无人机协同已经成为很多任务的首选方法，三维航路规划是无人机自主控制的关键组成部分。航路规划算法的目标是在为无人机计算出最优的飞行路径，这个飞行路线能使无人机躲开特定的区域，在以较短的时间，较少的能耗到达目标点。多无人机三维航路协同规划问题属于多约束的复杂优化问题，通常具有如下特点：评价飞行路径的指标很多，构成的目标函数计算开销大；地图环境情况复杂，数据量大或描述困难；无人机飞行性能限制等；需要优化的变量多，搜索空间往往具有维数爆炸的特点；机上设备有限，计算速度慢。因此，无人机航路规划最关键的就是如何处理无人机自身物理特性带来的多种复杂约束，在较短时间内快速得出最优航路。

求解多机三维航路规划问题的方法大体可以分为传统规划算法和智能规划算法。其中，传统规划算法有动态规划法，A星算法等；智能规划方法有神经网络方法、进化计算及群体智能方法等。从这些规划算法的特点和航路规划问题的要求来看，智能规划方法已成为求解无人机航路规划问题的发展趋势，包括遗传算法、退火算法、鸟群算法等。尽管这些航路规划技术正进一步向智能化、实用化方向发展，但仍各自存在着诸多问题。例如，A星算法基于确定的过程，利用数学优化的方法进行路径规划，所需时间长；群体智能方法的控制参数难于选择，性能不稳定、随机性强，容易过早收敛或陷入局部最优。因此，需要进一步发展更加优越的规划方法。

果蝇优化算法(Fruit fly optimization algorithm,FOA)一种基于果蝇觅食行为的启发式全局最优化算法。果蝇在嗅觉与视觉上，优于其他物种。果蝇的嗅觉器官能够搜集到空气中的食物的气味，甚至能嗅到很远距离的食物。当果蝇靠近食物位置后，能够通过的视觉发现食物的具体位置与同伴的聚集位置，并且朝该方向飞去。受果蝇上述特点而启发的果蝇优化算法在对单机进行路径规划时的效果很好，但是在处理多机问题时效果较差，且存在着编码方式适用性限制多、易陷于局部最优等缺点，因此在应用果蝇优化算法解决三维航路规划问题时需要对原始算法进行改进。

发明内容

发明目的：

本发明基于果蝇优化算法，改进后得到一种用于解决多无人机协同路径规划的方法。

技术方案：

本发明利用果蝇优化算法，并对其进行改进，将果蝇分群，令果蝇种群之间互相竞争，提高了其在协同规划多机飞行路径情况下的收敛速度，降低了无人机的飞行成本。

准备工作：确定无人机飞行任务信息，包括起点坐标(X_s,j,Y_s,j,Z_s,j)和终点坐标(X_T,Y_T,Z_T)，任务需要的无人机的数量Num，无人机的最大飞行速度v_max，最大转弯过载n_max，重力加速度G和飞行最低高度h_min。任务地图信息p，边界分别表示地图在长、宽、高上的限制。每架飞机需要规划出的航路控制点个数D；

确定敌方地面武器信息，包括威胁类型，如雷达、导弹、高炮等，武器位置(x_threat,y_threat)，以及各自的威胁范围。

设定改进果蝇算法的相关参数，包括最大迭代次数NC_max，果蝇群体数gr，果蝇群体规模M_pop，杂交遗传系数coe₁和coe₂。

步骤一：开始，令N＝1。