[发明专利]一种基于区块链和强化注意力学习的多无人机路径规划方法

权利要求书

1.一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于，包括以下步骤：

第一步：使用决策变量代表多无人机协同侦察任务的决策变量；

第二步：在无人机执行侦察任务的过程中使用不同的比例系数来组合各个目标函数；

第三步：引入节点方差来调整每个无人机的负载；

第四步：建立注意力机制的端到端训练模型来对无人机路径规划；

第五步：训练模型；

第六步：搭载区块链的多无人机系统；

第七步：多无人机跨域知识共享，共同学习。

2.根据权利要求1所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：所述目标函数包括：

每个无人机对节点的访问；

无人机离开节点的访问；

每个无人机的距离约束不能超过其最大距离；

所有无人机的总飞行里程；

无人机的生存覆盖函数。

3.根据权利要求2所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：所述多无人机侦察任务的整个路径的生存覆盖函数是节点生存覆盖函数的累积和。

4.根据权利要求1所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：所述第四步中路径规划获得的方法如下：

S1：使用不同的参数将节点的坐标映射到128维嵌入层，通过使用参数和的线性映射层来区分基和节点；

S2：输入节点的嵌入通过注意层更新,每个注意层由两个子层组成，多头注意层和节点全连接前馈层，各子层之间采用跳连接结构连接；

S3：通过计算网络输出层嵌入的平均值算出图嵌入，然后将输出层嵌入和图嵌入传递给解码器；

S4：解码器通过接收嵌入、图嵌入和编码器输出层节点的上下文嵌入生成路径规划。

5.根据权利要求1所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：解码的过程是逐步进行的，在每个时间点t，解码器基于输入节点和在t-1时间点的生成路径规划生成上下文嵌入。

6.根据权利要求1所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：第五步的训练模型的方法包括以下内容：

第一步：定义模型和定义优化目标；

第二步：产生模拟数据，然后进行与预训练，判断是否对标准有效，如果无效重新进行预训练，有效进行提取模型；

第三步：输入地形数据，求解模型，同时进行训练模型；

第四步：得出路径最大优解，判断模型中的有效性是否提高，没有即结束，有效即重新提取模型。

7.根据权利要求1所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：所述区块链的多无人机系统包括以下内容：每一台无人机在多无人机系统中都拥有一个公钥和一个私钥，当无人机需要发送信息，需要使用公钥对信息进行加密，然后其它无人机需要获得这些消息都需要使用自己的私钥对这些加密的信息进行解密。

8.根据权利要求7所述的一种基于区块链和强化注意力学习的多无人机路径规划方法，其特征在于：跨域知识共享包括以下内容：

第一步：通道A中找到建立最新的区块，最新区块存储着全局模型，初始化模型的参数；

第二步：区域多无人机路径规划系统想要进行模型参数更新，首先需要向区块链网络发送一个通道申请，然后区块链网络向区域多无人机路径规划系统返回一个通道列表，监控系统需要到对应的通道上进行注册，然后区域多无人机路径规划系统将会得到一个公钥和私钥，区域多无人机路径规划系统发送模型参数需要对参数使用公钥加密参数。

第三步：每一个通道进行全局模型参数的更新，地方监控系统下载通道的最新区块模型进行模型参数更新；

第四步：当通道中的模型loss函数趋于稳定的时候，进行全局模型状态Trie更新，块生成；

第五步：每个通道中都写入最新的区块，以及Trie树的更新。