[发明专利]一种基于改进蚁群算法的无人机路径规划方法

说明书

本发明涉及无人机路径规划领域，具体来说涉及一种基于改进蚁群算法的无人机路径规划方法。本发明提出一种改进的蚁群算法。首先，该算法在启发函数中加入A*算法的估价函数，同时引入抗弯折权重系数，以减少路径弯曲次数以及较大的累积转弯角度；其次，提出利用信息素调配因子来改进信息素的更新规则，提升算法收敛速度和全局最优性；最后，引入回退机制加信息素浓度惩罚机制来解决传统蚁群算法易陷入死锁问题。仿真结果表明，在更加复杂地图中改进的蚁群算法与传统蚁群算法相比，拐角次数减少67％，迭代次数减少75％。改进的蚁群算法收敛速度更快、效率更高，对无人机路径规划更具有现实的指导意义。

技术领域

本发明涉及无人机路径规划技术领域，具体涉及一种基于改进蚁群算法的无人机路径规划方法。

背景技术

无人机已经广泛应用于智慧农业、工业生产、物流投递等重要领域，具有广阔的发展前景。在无人机相关技术领域，路径规划一直是一个重要的研究热点问题。路径规划目的是在一张有各种障碍物的地图中，快速且精准地寻找出一条连接起始点和目标点的路径，且该路径能准确无误地避开所有的障碍物。依据路径规划算法的特性，可以把它们区分为传统路径规划算法和智能路径规划算法。传统路径规划算法有APF算法、Dijkstra算法、A*算法和Bug算法等算法。然而，这类算法存在计算效率低下、容易陷入局部最小值等问题。当搜索地图扩大时，这些局限性将被放大。智能路径规划算法包括神经神经网络算法、遗传算法和蚁群算法等算法，这类算法最大的特性是具备特殊的学习能力和具有随机性，可以应对较为复杂的地图环境，并且其解并不是唯一的。

其中，智能算法中的蚁群算法具备较强的地图动态搜索能力和较好的鲁棒性，在路径规划算法领域中应用较为广泛。但不可否认的是传统的蚁群算法还是有它的局限性，比如收敛速度慢、局部最优和易陷入死锁等问题。在无人机路径规划领域，很少有研究考虑到因转弯次数过多和累积转弯角度过大而导致的运行耗时长、耗能增大的问题。

发明内容

本发明的目的在于提供一种基于改进蚁群算法的无人机路径规划方法，旨在解决传统蚁群算法易陷入死锁问题，减少无人机在规划时路径弯曲次数以及较大的累积转弯角度。

为实现上述目的，本发明提供了一种基于改进蚁群算法的无人机路径规划方法，包括下列步骤：

步骤1：应用栅格法对地图环境进行建模，设定好起始点和目标点的位置；

步骤2：初始化系统并设置参数；

步骤3：更新禁忌表；

步骤4：判断进程死锁；

步骤5：采用轮盘赌策略选择下一个栅格；

步骤6：判断蚂蚁是否到达目标点；

步骤7：更新信息素。

可选的，在初始化系统并设置参数的过程中，相应参数包括蚂蚁数量m、信息素激励因子α、期望启发因子β和信息素挥发系数ρ。

可选的，更新禁忌表的过程，具体为将蚂蚁k(k＝1,2,...,n)放在当前节点上，并将当前节点添加到禁忌表中。

可选的，判断进程死锁具体为判断蚂蚁是否陷入死锁点，如果陷入死锁点，则采取回退机制，并将后退前的节点纳入禁忌表，同时信息素浓度惩罚机制将该死锁点上的信息素浓度清空，然后判断蚂蚁下步栅格是否可行且未到达目标点，若下步栅格可行且未到达目标点，则转至步骤5，否则转至步骤3。

可选的，在采用轮盘赌策略选择下一个栅格的过程中，首先通过加入A*算法和将目标点纳入考虑改进启发函数，再选择下一个要到达的栅格。

可选的，判断蚂蚁是否到达目标点具体为判断是否每只蚂蚁都已到达，若未到达，重复执行步骤3，直到蚁群中每只蚂蚁都在迭代过程中完成路径搜索，然后就转至步骤7。

可选的，更新信息素的过程，包括下列步骤：