[发明专利]一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法

摘要

一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法，有七大步骤：一、初始化算法参数以及捕食逃逸参数；二、初始化鸽群各个个体的初始位置及速度并计算各自的适应值；三、引入地图罗盘算子，根据公式对鸽群进行速度与位置的更新；四、引入捕食逃逸过程，根据公式对鸽群位置进行更新；五、若迭代次数大于地图罗盘算子的最大迭代次数T₁，则停止地图罗盘算子和捕食逃逸过程，并执行下一步骤；反之，重复上一步骤；六、引入地标算子，根据剩余鸽群的适应值给所有鸽子排序，适应值低的一半鸽子将跟随适应值高的另一半，根据公式更新位置；七、若当前迭代次数大于地标算子最大迭代次数T₂，那么停止地标算子，输出最后结果；反之，重复上一步骤。

主权项

一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法，其特征在于：该方法具体步骤如下：步骤一：初始化算法参数以及捕食逃逸参数；参数设置中包括：种群的规模n₁，优化维数d，地图罗盘因子R，两个算子分别的最大迭代次数T₁、T₂，捕食控制参数r；步骤二：初始化鸽群各个个体的初始位置及速度，根据由实际问题而建立的适应值计算函数计算各自的适应值，找到当前的局部最优以及全局最优位置；步骤三：引入地图罗盘算子，根据公式V_i(t)＝V_i(t‑1)·e^‑Rt+rand·(X_g‑X_i(t‑1))  (1)$X_i\left(t\right)=X_i(t-1)+r\×e^{-|D_d-D_s|}{V}_i\left(t\right)---\left(2\right)$对鸽群进行速度与位置的更新，同时更新局部和全局的最优位置；其中，R是地图罗盘因子,rand是随机数,X_g是通过比较所有鸽子的位置的适应值得到的当前全局最优位置；第t次迭代中第i只鸽子的位置和速度表示为X_i(t)和V_i(t)；步骤四：引入捕食逃逸过程，根据公式(6)(7)对鸽群位置进行更新，同时更新局部和全局的最优位置；若D_d≥D_s$X_i\left(t\right)=X_i(t-1)+r\×e^{-|D_d-D_s|}---\left(6\right)$若D_d≤D_s$X_i\left(t\right)=X_i(t-1)+r\×e^{-|D_d-D_s|}---\left(7\right)$其中D_s为鹰的捕食距离，通过方程计算D_s＝min(f(X_i(t))+r×(1‑t/T₁)  (8)其中min(f(X_i(t))为各个鸽子适应值的最小值，r为捕食控制参数，t为当前代数，而T₁为最大迭代次数；D_d为鸽子的当前位置即适应值；步骤五:若迭代次数大于地图罗盘算子的最大迭代次数T₁，则停止地图罗盘算子和捕食逃逸过程，并执行下一步骤；反之，重复上一步骤；步骤六:引入地标算子，根据剩余鸽群的适应值给所有鸽子排序，适应值低的一半鸽子将跟随适应值高的另一半，根据下列公式(3)(4)(5)更新位置；第t次迭代中第i只鸽子位置X_i(t)更新规律由下列公式给出：$n_p\left(t\right)=\frac{n_p(t-1)}{2}---\left(3\right)$$X_c\left(t\right)=\frac{\mathrm{\Σ}{X}_i\left(t\right)\·f\left(X_i\left(t\right)\right)}{n_p\mathrm{\Σf}\left(X_i\left(t\right)\right)}---\left(4\right)$X_i(t)＝X_i(t‑1)+rand·(X_c(t)‑X_i(t‑1))  (5)其中，f()为鸽子个体的适应值计算函数；步骤七:若当前迭代次数大于地标算子最大迭代次数T₂，那么停止地标算子，输出最后结果；反之，重复上一步骤。