[发明专利]一种实现无人机数目最小化的无人机路径规划方法

权利要求书

1.一种实现无人机数目最小化的无人机路径规划方法，其特征在于，包括如下步骤：

(1)初始化参数：

初始化分布在地面的坐标位置为(0,0)的中心控制器为O处有K个无人机U＝{U₁,U₂,...,U_k,...,U_K}；初始化分布在地面的I个传感器为A＝{A₁,A₂,...,A_i,...,A_I}，I≥2，第i个传感器A_i的位置坐标为(x_i,y_i)；所有无人机的最大能量均为E_th，飞行速度均为v，单位时间内的飞行能耗、悬停能耗和通信能耗均为e^f、e^h和e^t，在第i个传感器A_i上空悬停以及通信的时间均为t_i，K≥1，U_k表示第k个无人机；初始化坐标位置与中心控制器O的坐标位置相同的K个虚拟传感器为B＝{B₁,B₂,...,B_k,...,B_K}，任意两个虚拟传感器之间的距离为∞，所有无人机在第k个虚拟传感器B_k上空悬停与通信的时间均为初始化包含M只蚂蚁的蚂蚁种群S＝{S₁,S₂,…,S_m,…,S_M}，M≥50，S_m表示第m只蚂蚁；初始化路径选择系数为q₀，信息素挥发因子为ρ，迭代次数为iter，最大迭代次数为iter_max，iter_max≥2000，并令iter＝1，K＝1,令K＝1时无人机的最小总能耗E_best＝∞；

(2)构建待访问传感器集合并初始化局部最优路径集合：

通过传感器A和虚拟传感器B构建待访问传感器集合R＝{A,B}＝{R₁,R₂,...,R_n,...,R_N}，并初始化局部最优路径集合其中N表示待访问传感器的总数，N＝I+K，R_n表示第n个待访问传感器，当n∈[1,I]时，R_n表示传感器，当n∈[I+1,I+K]时，R_n表示虚拟传感器；

(3)计算无人机的飞行能耗、悬停能耗和通信能耗：

(3a)计算待访问传感器集合R中每两个待访问传感器R_a与R_b之间的欧式距离并通过N×N个欧氏距离构建R对应的欧氏距离矩阵D，其中R_a,R_b∈R，当R_a＝R_b时，令D的表达式为：

(3b)通过欧氏距离矩阵D计算无人机在任意两个待访问传感器之间的飞行能耗同时计算无人机访问任意一个待访问传感器时的悬停能耗为通信能耗为

(4)初始化改进的蚁群算法的参数：

定义每两个待访问传感器R_a与R_b之间的信息素浓度为路径启发信息为初始化其中τ₀表示任意两个待访问传感器之间信息素浓度的初始值，

其中，表示无人机在待访问传感器R_a与R_b之间的飞行能耗，表示无人机在待访问传感器R_b与R_N之间的飞行能耗，和分别表示无人机在待访问传感器R_b上空的悬停能耗和飞行能耗，表示无人机在待访问传感器R_b上空悬停与通信的时间；

(5)构建本次迭代的可行解集合与非可行解集合：

(5a)令m＝1，初始化本次迭代的可行解集合非可行解集合

(5b)第m只蚂蚁S_m的待访问传感器集合N(m)＝R，已访问传感器集合V(m)是有序集合，从N(m)中随机选择一个待访问传感器R_n作为S_m要访问的第一个传感器，用R_start标记，并将R_n从N(m)移动到V(m)中；

(5c)产生随机数q,q∈(0,1]，并判断q与路径选择系数q₀是否满足q＞q₀，若是，计算S_m从R_n到N(m)中任意一个待访问传感器R_w,R_w∈N(m)的转移概率并采用轮盘赌规则，根据转移概率在N(m)中选择下一个要访问的传感器R_p，否则，直接在N(m)中选择从R_n点出发，使得最大的一个待访问传感器作为下一个要访问的传感器R_p，其中表示本次迭代R_n与R_w之间的信息素浓度，α和β分别表示和的重要程度；

(5d)将R_p从N(m)移动到V(m)中，判断是否成立，若是，将R_start添加到V(m)中，得到第m只蚂蚁S_m的路径为V(m)，简写为第m条路径，否则，令R_n＝R_p，并执行步骤(5c)；

(5e)根据每个虚拟传感器B_k的位置，将第m条路径V(m)划分为K条子路径并分配给K个无人机，每条子路径的起始和结束位置都是虚拟传感器的位置，计算每条子路径，即第k个无人机的能量消耗每条子路径的能耗为无人机沿该子路径飞行时的飞行能耗与访问该子路径上所有传感器的悬停能耗与通信能耗之和，其中沿该子路径飞行时的飞行能耗为无人机在该子路径上相邻两个传感器之间飞行时的飞行能耗之和，将第m条路径的最大子路径能量消耗标记为

(5f)判断第m条路径的最大子路径能量消耗是否满足若是，则V(m)是可行解，将V(m)放入到可行解集合Path′中，否则，路径V(m)为非可行解,将V(m)放入到非可行解集合Path″中；

(5g)若m＜M，令m＝m+1，执行步骤(5b)，否则，执行步骤(6)；

(6)确定本次迭代产生的局部最优解：

(6a)用Num'表示可行解集合Path′的大小，即可行解的数量，计算Path′中第m′条路径Path_m′上K个无人机的总能量消耗并对进行升序排列，将本次迭代K个无人机的最小总能量消耗标记为E_best(iter)，其所对应的路径作为K个无人机的局部最优路径Path_best(iter)，并将其添加到局部最优路径集合Path_best中；

(6b)计算Path″中每条路径上K个无人机的总能量消耗，若K＝1，找出本次迭代K个无人机的最小总能量消耗E_min(iter)，若E_min(iter)＜E_best，更新E_best＝E_min(iter)；

(7)对信息素浓度进行更新：

(7a)根据Num'的数值大小选择L个路径：若Num'≥L,L＝M/5，则选择Path′中的前L个路径；若0＜Num'＜L，则在Path″中随机选择F＝L-Num'个路径与Path′中的Num'个路径共同组成L个路径；若Num'＝0，则在Path″中随机选择L个路径；

(7b)对所选路径上相邻两个传感器之间的信息素浓度进行更新；

(8)判断迭代是否结束：

判断iter＜iter_max是否成立，若是，iter＝iter+1，并执行步骤(5)，否则，执行步骤(9)；

(9)获取无人机的路径规划结果：

判断局部最优路径集合是否成立，若是，执行步骤(10)，否则将Path_best中的最小总能量消耗标记为E，其所对应的路径作为K个无人机的全局最优路径Path，并输出该全局最优路径Path与无人机的数量K；

(10)更新无人机集合与虚拟传感器集合：

判断K＝1是否成立，若是，令否则，令K＝K+1，得到更新后的无人机集合U及对应的虚拟传感器集合B，并执行步骤(2)。

2.根据权利要求1所述的一种实现无人机数目最小化的无人机路径规划方法，其特征在于，步骤(7b)中所述的对所选路径上相邻两个传感器之间的信息素浓度进行更新，更新公式为：

其中，Path_l表示所选择的第l条路径，l∈[1,L]，为路径Path_l上K个无人机的总能量消耗，表示路径Path_l上待访问传感器R_c与R_d之间信息素浓度的更新值。