[发明专利]基于进化迁移优化的多无人机路径规划方法、终端及介质

权利要求书

1.一种基于进化迁移优化的多无人机路径规划方法，其特征在于，所述基于进化迁移优化的多无人机路径规划方法包括：

根据收集到的不确定环境的相关数据集对多无人机的路径规划进行高斯建模，得到多个目标的优化模型；

根据所述多个目标的优化模型中离散化步长的不同将所述多无人机的路径规划构建为多个具有不同保真度的优化任务；其中，每个优化任务对应多个优化目标，且第一任务为高保真度的主任务，其余任务为低保真度的辅助任务；

对每个优化任务分配一个进化种群，并通过所述进化种群训练得到一个具有判别功能的重构神经网络模型；

基于训练好的重构神经网络模型以进化迁移的方式产生每个优化任务的新子代种群，并合并每个优化任务的父代种群和新子代种群中的解个体，通过环境选择得到每个优化任务下一代的进化种群；

根据终止条件的判断结果输出最终主任务的进化种群中的帕累托最优解集，并将所述帕累托最优解集确定为具有高保真度的多无人机路径规划的最优候选策略集；

所述基于训练好的重构神经网络模型以进化迁移的方式产生每个优化任务的新子代种群，包括：

将模拟二进制交叉和多项式变异的进化操作算子分别作用在所述辅助任务的当前父代种群P₂,…,P_K上，以产生所述辅助任务新的子代种群Q₂,…,Q_K；

基于父代种群P₁在源搜索空间中采用所述模拟二进制交叉和所述多项式变异的进化操作产生部分解；

通过训练后的重构神经网络模型对所述主任务对应的非支配解集S₁进行编码和解码，得到n维的重构解；

通过所述训练后的重构神经网络模型对所述辅助任务对应的非支配解集S₂,…,S_k进行编码、判别和排序，并将排序后的S₂,…,S_k中各自的第一个解个体迁移成为所述主任务T₁的解个体；

将产生的部分解、n维的重构解以及迁移的解个体进行组合，得到所述主任务的子代种群Q₁。

2.根据权利要求1所述的基于进化迁移优化的多无人机路径规划方法，其特征在于，所述根据收集到的不确定环境的相关数据集对多无人机的路径规划进行高斯建模，得到多个目标的优化模型，之前包括：

从不同来源收集可实行所述多无人机在指定作战区域内不确定环境的相关数据集；其中，所述相关数据集包括：天气数据、信号覆盖数据、导航数据以及监视服务数据。

3.根据权利要求1所述的基于进化迁移优化的多无人机路径规划方法，其特征在于，所述根据收集到的不确定环境的相关数据集对多无人机的路径规划进行高斯建模，得到多个目标的优化模型，包括：

确定同一飞行空域中M架无人机的第i架无人机在其航行路径Γ_i上飞行的距离：

L_i＝∫dΓ_i,i＝1,2,…,M；

确定所述多无人机同时作业的路径规划的第一个目标f₁：

其中，f₁为最小化所有无人机从各自的出发地到目的地的总飞行距离；

计算每架无人机在给定条件下沿着某一条路径Γ飞行时出现不安全结果的概率：

其中，U表示存在一系列危险而发生的不安全结果，Uc表示U的补充，D表示与经过路径Γ相关的特征距离；

计算每架无人机在特定位置处发生危险的概率：

p(U|x)＝∫p(U|h,x)p(h|x)dh；其中，h被映射为0到1之间的一个值；

确定至少一架无人机发生不安全结果的概率的第二个目标f₂：