[发明专利]基于人工蜂群算法的无人机群协同覆盖航路规划方法

摘要

本发明属于无人预警机航路规划领域，公开了一种基于人工蜂群算法的无人机群协同覆盖航路规划方法，包括：设定无人机群的警戒区域和可飞行区域以及无人机群的参数，设定人工蜂群算法的参数以及初始蜜源组，由人工蜂群算法确定无人机群下一时刻的状态，更新无人机群的速度偏转角；能够有效地实时覆盖监视区域，为使用无人机群预警奠定了基础。

主权项

1.一种基于人工蜂群算法的无人机群协同覆盖航路规划方法，其特征在于，所述方法包括如下步骤：步骤1，设定无人机群的警戒区域和可飞行区域，所述无人机群包含Dim架无人机，设定每架无人机的最大速度偏转角、每个机载雷达的最大作用距离；Dim为大于零的正整数；步骤2，设置每架无人机的初始速度，组成无人机群的初始速度向量，设置每架无人机的初始位置，组成无人机群的初始位置矩阵；步骤3，设置人工蜂群算法的初始蜜源组，所述初始蜜源组中包含CS个蜜源，每个蜜源的维数为Dim维，每个蜜源代表无人机群的一种速度偏转角方案，每个蜜源的一维数值对应为无人机群中一架无人机的速度偏转角；并设置一次人工蜂群算法的最大迭代次数MaxCycles，允许蜜源未被更新的最大次数Limit；步骤4，对初始蜜源组中的每个蜜源随机确定速度偏转角向量，根据无人机群当前时刻的速度向量、当前时刻的位置矩阵以及每个蜜源对应的速度偏转角向量得到每个蜜源下一时刻的可行位置坐标矩阵；根据每个蜜源下一时刻的可行位置坐标矩阵计算得到每个蜜源对应的适应度值，从CS个蜜源对应的适应度值中选取最大适应度值对应的蜜源作为最优蜜源，并记录该最优蜜源Best，该最优蜜源对应的无人机群的可行位置矩阵BestLoc，以及该最优蜜源的适应度值BestFit；步骤5，设置记录矩阵，初始化所述记录矩阵为全零矩阵，所述记录矩阵的维数为CS，用于记录CS个蜜源未被更新的次数；步骤6，采用CS个雇佣蜂分别对当前较优蜜源组中每个蜜源进行邻域搜索得到搜索到的CS个新蜜源，计算搜索到的CS个新蜜源的适应度值，根据搜索到的每个新蜜源的适应度值和当前较优蜜源组中对应蜜源的适应度值，选择适应度值大的蜜源组成更优蜜源组Better，并记录更优蜜源组中每个蜜源的位置矩阵BetterLoc和适应度矩阵Betterfit，并更新记录矩阵；所述当前较优蜜源组的初始状态为初始蜜源组；步骤7，采用CS个观察蜂分别采用轮盘赌的方式选择当前更优蜜源组Better中的蜜源进行邻域搜索得到搜索到的CS个新蜜源，计算搜索到的CS个新蜜源的适应度值，根据搜索到的每个新蜜源的适应度值和当前更优蜜源组Better中每个蜜源的适应度值，选择适应度值大的蜜源更新更优蜜源组Better、位置矩阵BetterLoc和适应度矩阵Betterfit，并更新记录矩阵；在更新后的更优蜜源组Better中选取适应度值最大的蜜源，将其最大适应度值与最优蜜源Best的适应度值比较，若大于最优蜜源Best的适应度值，则更新最优蜜源Best，以及最优蜜源的可行位置矩阵BestLoc和适应度值BestFit；将更新后的更优蜜源组Better中未更新次数大于等于允许蜜源未被更新的最大次数Limit的蜜源剔除，并随机产生新的蜜源替换剔除的蜜源；步骤8，将步骤7得到的更优蜜源组Better作为当前较优蜜源组，重复执行步骤6和步骤7，直到达到一次人工蜂群算法的最大迭代次数MaxCycles，并根据最后一次迭代得到的最优蜜源确定无人机群从当前时刻飞行到下一时刻的速度偏转角；步骤9，根据无人机群从当前时刻飞行到下一时刻的速度偏转角对无人机群下一时刻的位置矩阵和速度向量进行更新；步骤10，设定无人机群的搜索步数Step，重复执行步骤4和步骤9共Step次，完成无人机群协同覆盖航路规划过程。