《面向空中机动作战的无人机集群协同任务规划方法.pdf》由会员分享，可在线阅读，更多相关《面向空中机动作战的无人机集群协同任务规划方法.pdf（16页完成版）》请在专利查询网上搜索。

　　2、务规划方法 (57)摘要 本发明提供一种面向空中机动作战的无人 机集群协同任务规划方法， 属于无人机任务规划 的技术领域。 包括以下步骤， 首先建立以无人机 执行任务飞行航程最小， 固定成本最少， 目标收 益最大， 威胁代价最小为目标函数的任务规划模 型； 然后借鉴生物生命周期特征， 将任务规划寻 优过程映射到生命周期生长发育过程中， 采用空 间平面分割的方法， 以各分割平面上一点， 组成 航迹点集合； 本发明既适用于无人驾驶反辐射攻 击机执行三维地图下复杂任务环境中的攻击任 务， 也可用于察打、 侦察任务的多无人机协同任 务规划。 本发明要解决的技术问题为： 模拟任务 真实场景， 添加无人机。

　　3、所有动力学约束， 获得三 维环境下满足复杂约束的多无人机协同任务分 配和航迹规划。 权利要求书4页 说明书9页 附图2页 CN 112130581 A 2020.12.25 CN 112130581 A 1.一种面向空中机动作战的无人机集群协同任务规划方法， 其特征在于； 所述的无人 机集群协同任务规划方法用于无人驾驶反辐射攻击机执行三维地图下复杂任务环境中的 攻击任务， 也可用于察打、 侦察任务的多无人机协同任务规划； 所述的无人机集群协同任务 规划方法包括以下步骤： 步骤1.根据无人机的物理性能约束， 飞行任务要求， 任务环境信息， 建立无人机协同任 务规划数学模型； 步骤2.借鉴生物生命。

　　4、周期特征， 将任务规划寻优过程映射到生命周期生长发育过程 中， 采用空间平面分割， 以个分割平面上一点， 组成航迹点集合； 步骤3.利用了变种群个体数， 改进了生命周期群搜索算法(LSO)利用改进生命周期群 搜索算法(ILSO)， 基于层次优化思想， 将多无人机协同任务规划问题分为两层， 第一层进行 航迹点集合搜索寻优， 得到各UAV可飞行路径， 第二层将在固定障碍物内的航迹进行再优化 得到安全路径。 2.根据权利要求1所述的一种面向空中机动作战的无人机集群协同任务规划方法， 其 特征在于： 所述的步骤1中， 所述的无人机物理性能约束包括： 最大偏航角， 最大爬升/俯冲 角， 最小航路段长度和。

　　5、最高/最低飞行高度， 所述的飞行任务要求包括无人机飞行起点位置 和终点位置， 固定的目标进入方向和相同的到达时间(时间协同)， 所述的任务环境信息包 括威胁源的位置和半径， 障碍物的位置和形状。 3.根据权利要求1或2所述的一种面向空中机动作战的无人机集群协同任务规划方法， 其特征在于： 所述的步骤1中， 所述的无人机协同任务规划数学模型包括多无人机协同任务 规划的目标函数和UAV物理限制， 战场环境信息对任务规划的约束条件； 无人机协同任务规 划的目标函数根据应用不同而有所不同， 以最小飞行总耗能代价、 最小威胁代价， 最大收益 代价为目标函数， 如下式所示： min(f1,f2,f3) (。

　　6、1) 其中PDi表示雷达发现目标的概率， cij表示第i条路线上第j段的长度， 为攻击任务威 胁权重， 同样为收益权重， 其中N为派往敌方基地i的飞机数量。 4.根据权利要求3所述的一种面向空中机动作战的无人机集群协同任务规划方法， 其 特征在于： 所述的步骤1中无人机协同路径规划两个最重要的约束条件为路径可飞行性和 安全性； 可飞行路径要满足无人机运动学约束， 特别是机动性条件， 安全路径则是回避航路 中出现的静止或动态的障碍物， 其他约束条件则包括： 保持在通信范围内、 最小航路段长度 等， 具体如下： 最大转弯角限制： 该约束条件取决于具体UAV的机动性能， 其限制了生成的航 迹只能在小。

　　7、于等于预先确定的最大角度范围内转弯； 若无人机最大转弯角为 max， 则要求： 权利要求书 1/4 页 2 CN 112130581 A 2 其中， 为第i架UAV在第j个节点处的转弯角； 最大爬升/俯冲角限制： 取决于UAV自身的机动性能， 其限制了航路在垂直平面内上升 和俯冲的最大角度； 若无人机最大爬升/俯冲角为则要求： 其中， 为第i架UAV在第j个节点处的爬升/俯冲角； 最低/最高飞行高度约束： 其中最高飞行高度取决于UAV自身的机动性能， 飞行过程中 飞的过低会使得与地面相撞的坠毁概率增加； 若无人机最高飞行高度为Hmax， 最低飞行高度 为Hmin则要求： 其中为第i条航迹上第k。

　　8、个航迹点距离地面的高度。 5.根据权利要求1或3所述的一种面向空中机动作战的无人机集群协同任务规划方法， 其特征在于： 无人机间的碰撞回避： 两无人机碰撞问题可以表述为:在同一时间两无人机在 同一地点发生碰撞， 若攻击任务中要求所有无人机同时到达目标基地， 则从目标基地开始， 航迹相同的长度范围内， 各航迹之间的最小距离应大于预设安全距离DS； 各UAV之间碰撞回 避约束的表达式： min DISk(rli,rlj)Ds， k1,2,K (6) 其中DISk(rli,rlj)表示从基地开始第i条、 第j条航迹相同航迹长度内各点距离； 最小航路段长度约束： 其限制了UAV在开始改变飞行姿态之前必。

　　9、须直飞的最短距离。 为 了减少误差， UAV在飞行时， 一般不希望迂回行进和频繁的转弯； 当最小航路段为lmin时， 最 小航路段约束的表达式： 其中cij表示第i条路线中任意一条权利要求所述的一种面向空中机动作战的无人机集 群协同任务规划方法， 其特征在于： 所述的步骤2中借鉴生物生命周期特征， 将任务规划寻 优过程映射到生命周期生长发育过程中， 采用空间平面分割， 以个分割平面上一点， 组成航 迹点集合： 1)将无人机对航迹点的寻优映射到个体按适应度值繁殖和淘汰； 2)设第i个敌方目标被摧毁需要的最小无人机数量为设置最大任务分配迭代次 数； 。

　　10、3)随机初始化飞往i个敌方目标的无人机数Ni， 且每个目标初始化的无人机 数分配给各基地， 基地分到无人机的数目为该基地的初始化攻击无人机数， 若此数量大于 该基地的最大可出动无人机数， 则返回继续进行初始化无人机分配； 4)对于目标基地、 障碍物和雷达进行地图建模， 并将地图用多组平行于xoz面的平面等 权利要求书 2/4 页 3 CN 112130581 A 3 距分割， 设平面数量为M,目标点i到xoz面的距离为Di， 最小航路段长度为lmin， 则： 5)每个平面上的任意一点可能的航迹点， 对于一个UAV， 一个平面上有且只有一个航迹 点。 7.根据权利要求1、 2、 4中任意一条权利。

　　11、要求所述的一种面向空中机动作战的无人机集 群协同任务规划方法， 其特征在于： 所述的步骤3利用了变种群个体数， 改进了生命周期群 搜索算法(LSO)利用改进生命周期群搜索算法(ILSO)， 基于层次优化思想， 将多无人机协同 任务规划问题分为两层， 第一层进行航迹点集合搜索寻优， 得到各UAV可飞行路径， 第二层 将在固定障碍物内的航迹进行再优化得到安全路径； 1)初始化各种参数； 随机初始化航迹点， 第a个基地派出的第j架UAV到第i个敌方目标， 此UAV起飞点离所构建的平面最距离最近的为第k个平面,(k1,2,K)， 此平面定义 为UAV的初始起飞平面， 敌方目标i离所构建的平面中距离最近。

　　12、的为平面r， 定义为飞机的终 止 平 面 ，( r 1 , 2 , ,R ) ， 则 U A Vj的 初 始 航 迹 点 集 合 为则 2)检验初始航迹集合的起始段航线和终止段航线是否存在迂回航迹， 若起始段航线存 在迂回， 取离起点第二近邻平面为初始起飞平面， 若终止段航线存在迂回， 取离目标点的第 二近邻平面为终止平面； 正态分布均值 为产生的随机变量代入目标函数计算适应 度值， 作为初代种群的适应度值， 其中为所有敌方目标x坐标的平均值， HN表示正常巡航情 况下飞行高度； 3)将初始种群的最优个体设置为全局初始极值， 若个体不满足约束条件， 初个体的适 应度值设为正无穷； 4)生长发育。

　　13、： 设第a个基地派出的第j架UAV到第i个敌方目标当前最优的航迹点集合 为：将最优个体的位置进行混沌操作， 更新全局 极值和最优航迹集合； 采用混沌系统， 将最优目标点集合记通过归一化处理； 6)将种群中的其他个体航迹集合以一定的概率执行同化操作或换位操作； 同化是指群 内采取社会觅食方式的个体的觅食路径被最优个体同化， 追随群内最优个体进行搜索； 群内除最优个体外， 采取独立觅食方式的个体其觅食执行方法采取换位算子， 个体在 其自身具备的能量范围内进行搜索； 7)繁殖， 将种群中的每个航迹集合进行两两配对， 执行变种群个体数量的中间重组操 作： VarsonVarfather+ (Varfa。

　　14、ther2-Varfather1) (9) 式中， Varson为子代航迹点集合， Varfather1为亲代航迹点， 其中 是比例因子， 由-d,1+d 上均匀分布地随机数产生， 一般d0.25， 重组时， 先为每一个子代的每一个变量产生一个 ， 根据出生率产生对应数量的子代个体； 8)死亡， 按适应度值调整种群个体顺序， 采用线性排序的方法对群中个体适应值进行 权利要求书 3/4 页 4 CN 112130581 A 4 调整， 并对调整后的目标函数值进行降序排序， 最适应个体放置在列表最后一个位置， 每个 个体的适应度值根据他在种群中的排序位置计算出来； 计算当前种群数量， 若当前种群数。

　　15、量超出种群最大规模， 则按轮盘赌的方法淘汰一部 分个体， 淘汰数量为超出种群最大规模的数量； 若未超出， 则按轮盘赌的方法淘汰当前种群 数量乘以自然死亡率的数量的个体； 9)变异， 种群中的个体以一定的概率执行方向变异操作； 在三维搜索空间中， 每个航迹 点集合中每个元素的每一维在该维方向上的移动步长为l： 10)更新全局极值， 将最优个体的航迹点集合记为Ug， 并检验是否达到航迹规划的最大 迭代次数， 若达到， 进入下一步进行检验； 若未达到， 则返回初始化参数； 11)检验是否达到最大任务分配迭代次数， 若达到， 退出优化， 输出结果； 若未达到返回 步骤二3)。 权利要求书 4/4 页 。

　　16、5 CN 112130581 A 5 一种面向空中机动作战的无人机集群协同任务规划方法 技术领域 0001 本发明属于无人机任务规划的技术领域， 更具体的说涉及一种面向控制机动作战 的无人机集群协同任务规划方法。 背景技术 0002 无人机是新军事变革的代表性装备， 无人作战正在深刻改变战争面貌。 随着无人 机技术和性能的不断发展及其任务要求的不断提高， 很多情况下单架无人机已无法满足任 务要求， 若能由多架无人机协同工作， 可以扩展任务范围， 提高系统作战效能。 0003 无人飞行器执行任务， 必须预先进行任务规划， 由于无人驾驶， UAV对任务规划的 要求更为严格。 无人机协同任务规划正是。

　　17、实现无人机协同作战的关键技术之一， 影响着其 作战效能的发挥， 无人机任务规划的目的是根据战区地图信息敌方防空系统部署情况找出 一条从基地到目标并满足某种性能指标的飞行路线。 由于UAV自身动力的特性、 UAV在飞行 过程中受多种相互耦合因素影响以及所执行任务的多样性、 协同性， 这些都给无人机协同 任务规划带来很大困难。 0004 在基于生物生命周期的群搜索算法中， 群中每个个体的觅食位置都代表问题的一 个解。 个体向最优觅食地点移动的过程就是寻找问题最优解的过程。 变种群个体数量的改 进生命周期搜索算法高度仿真生物群体的出生、 生长、 发育、 繁殖和死亡， 大大提高了最优 解出现的概率和对。

　　18、解空间的搜索能力， 对于约束复杂且耦合的优化问题也能较好地求解出 最优解， 在保证算法求解收敛精度的同时， 也提高了收敛的速度。 目前还没有专利将生物生 命周期的群搜索算法及相关改进算法应用于多无人机协同任务规划的问题中。 发明内容 0005 本发明充分考虑多基地、 多目标、 多无人机的需求特性， 无人机的约束条件， 解决 现有智能方法应用于多无人机协同任务规划耗时长， 对解空间的搜索能力差， 优化结果不 理想的问题。 所述的复杂任务环境包括多山地形、 雷达威胁等， 无人机约束条件包括， 无人 机物理约束， 无人机间碰撞回避约束。 0006 为了实现上述目的， 本发明采用以下技术方案实现： 步。

　　19、骤一、 根据无人机的物理性 能约束， 飞行任务要求， 任务环境信息， 建立无人机协同任务规划数学模型。 0007 所述的无人机物理性能约束包括： 最大偏航角， 最大爬升/俯冲角， 最小航路段长 度和最高/最低飞行高度。 所述的飞行任务要求包括无人机飞行起点位置和终点位置， 固定 的目标进入方向和相同的到达时间(时间协同)。 所述的任务环境信息包括威胁源的位置和 半径， 障碍物的位置和形状， ； 0008 所述的无人机协同任务规划数学模型包括多无人机协同任务规划的目标函数和 UAV物理限制， 战场环境信息对任务规划的约束条件。 0009 无人机协同任务规划的目标函数根据应用不同而有所不同， 这里。

　　20、以最小飞行总耗 能代价、 最小威胁代价， 最大收益代价为目标函数， 如下式所示： 说明书 1/9 页 6 CN 112130581 A 6 0010 min(f1,f2,f3) (11) 0011 0012其中PDi表示雷达发现目标的概率， cij表示第i条路线上第j段的长度， 为攻击任 务威胁权重， 同样为收益权重， 其中N为派往敌方基地i的飞机数量； 0013 无人机协同路径规划两个最重要的约束条件为路径可飞行性和安全性。 可飞行路 径要满足无人机运动学约束， 特别是机动性条件。 安全路径则是回避航路中出现的静止或 动态的障碍物。 其他约束条件则包括： 保持在通信范围内、 最小航路段长度等。

　　21、， 具体如下： 0014 最大转弯角限制： 该约束条件取决于具体UAV的机动性能， 其限制了生成的航迹只 能在小于等于预先确定的最大角度范围内转弯； 若无人机最大转弯角为 max， 则要求： 0015 0016其中， 为第i架UAV在第j个节点处的转弯角； 0017 最大爬升/俯冲角限制： 取决于UAV自身的机动性能， 其限制了航路在垂直平面内 上升和俯冲的最大角度； 若无人机最大爬升/俯冲角为则要求： 0018 0019其中， 为第i架UAV在第j个节点处的爬升/俯冲角； 0020 最低/最高飞行高度约束： 其中最高飞行高度取决于UAV自身的机动性能， 飞行过 程中飞的过低会使得与地面相撞的。

　　22、坠毁概率增加； 若无人机最高飞行高度为Hmax， 最低飞行 高度为Hmin则要求： 0021 0022其中为第i条航迹上第k个航迹点距离地面的高度。 0023 无人机间的碰撞回避： 两无人机碰撞问题可以表述为:在同一时间两无人机在同 一地点发生碰撞。 若攻击任务中要求所有无人机同时到达目标基地， 则从目标基地开始， 航 迹相同的长度范围内， 各航迹之间的最小距离应大于预设安全距离DS； 各UAV之间碰撞回避 约束的表达式： 0024 min DISk(rli,rlj)Ds， k1,2,K (16) 0025 其中DISk(rli， rlj)表示从基地开始第i条、 第j条航迹相同航迹长度内各点距。

　　23、离； 最小航路段长度约束： 其限制了UAV在开始改变飞行姿态之前必须直飞的最短距离。 为了减 少误差， UAV在飞行时， 一般不希望迂回行进和频繁的转弯； 当最小航路段为lmin时， 最小航 说明书 2/9 页 7 CN 112130581 A 7 路段约束的表达式： 0026 0027 其中cij表示第i条路线 步骤二、 借鉴生物生命周期特征， 将任务规划寻优过程映射到生命周期生长发育 过程中， 采用空间平面分割， 以个分割平面上一点， 组成航迹点集合： 0030 步骤2.1、 将无人机对航迹点的寻优映射到个体按适应度值繁殖和淘汰 0031步骤2.2、 设。

　　24、第i个敌方目标被摧毁需要的最小无人机数量为设置最大任务 分配迭代次数； 0032步骤2.3、 随机初始化飞往i个敌方目标的无人机数Ni， 且每个目标初始 化的无人机数分配给各基地， 基地分到无人机的数目为该基地的初始化攻击无人机数， 若 此数量大于该基地的最大可出动无人机数， 则返回继续进行初始化无人机分配； 0033 步骤2.4、 对于目标基地、 障碍物和雷达进行地图建模， 并将地图用多组平行于xoz 面的平面等距分割。 设平面数量为M,目标点到xoz面的距离为Di， 最小航路段长度为lmin， 则： 0034 0035 每个平面上的任意一点可能的航迹点， 对于一个UAV， 一个平面上有且只。

　　25、有一个航 迹点。 0036 步骤三、 利用了变种群个体数， 改进了生命周期群搜索算法(LSO)利用改进生命周 期群搜索算法(ILSO)， 基于层次优化思想， 将多无人机协同任务规划问题分为两层， 第一层 进行航迹点集合搜索寻优， 得到各UAV可飞行路径， 第二层将在固定障碍物内的航迹进行再 优化得到安全路径； 0037 改进生命周期算法具体实现方法如下： 0038 步骤3.1、 初始化各种参数； 随机初始化航迹点， 第a个基地派出的第j架UAV到第i 个敌方目标， 此UAV起飞点离所构建的平面最距离最近的为第k个平面,(k1,2, K)。 此平面定义为UAV的初始起飞平面。 敌方目标i离所构建。

　　26、的平面中距离最近的为平面r， 定义为飞机的终止平面， (r1,2,R)。 则UAVj的初始航迹点集合为则 0039 0040 步骤3.2、 检验初始航迹集合的起始段航线和终止段航线是否存在迂回航迹， 若起 始段航线存在迂回， 取离起点第二近邻平面为初始起飞平面， 若终止段航线存在迂回， 取离 目标点的第二近邻平面为终止平面； 正态分布均值 为产生的随机变量代入目标函 数计算适应度值， 作为初代种群的适应度值， 其中为所有敌方目标x坐标的平均值， 说明书 3/9 页 8 CN 112130581 A 8 0041 0042 其中,HN表示正常巡航情况下飞行高度， Hmax为最高飞行高度， Hmi。

　　27、n为最低飞行高 度,xR为各敌方基地x坐标的极差； 0043 步骤3.3、 将初始种群的最优个体设置为全局初始极值， 若个体不满足约束条件， 初个体的适应度值设为正无穷； 0044 步骤3.4、 生长发育： 设第a个基地派出的第j架UAV到第i个敌方目标当前最优的航 迹点集合为：将最优个体的位置进行混沌操作， 更新全局极值和最优航迹集合； 采用混沌系统： 0045 Sn+1uSn(1-Sn),n1,2, (22) 0046 式中， u为控制参量， 一般u4 0047 将最优目标点集合记通过归一化处理， 映射到0， 1之间， 记为S0； 利用Logisticy 映射产生n个混沌变量(S1,S2,。

　　28、Sn)； 0048 Sj+1Sj(1-Sj)， j1,2,n-1 (23) 0049 将混沌运动的遍历范围转换到优化变量的定义域； 计算n个混沌变量的性能函数 值(f(S1),f(S2),f(Sn)； 如果存在f(Sj)优于f(S0)， 则 0050 步骤3.5、 将种群中的其他个体航迹集合以一定的概率执行同化操作或换位操作； 同化是指群内采取社会觅食方式的个体的觅食路径被最优个体同化， 追随群内最优个体进 行搜索； 0051 0052 式中， r1Rn是在(0， 1)均匀分布的随机数； 公式(*)表示在第k次迭代中第j架UAV 的航迹点集合追随群内当前最优航迹点集合进行搜索； 0053 群内。

　　29、除最优个体外， 采取独立觅食方式的个体其觅食执行方法采取换位算子， 个 体在其自身具备的能量范围内进行搜索； 0054 0055式中， 是个体的换位步长； r2Rn是在(0， 1)均匀分布的随机数；和之 间的范围是个体i在第k代搜索最大范围； 是整个搜索空间范围； 0056 步骤3.6、 繁殖， 将种群中的每个航迹集合进行两两配对， 执行变种群个体数量的 中间重组操作： 0057 VarsonVarfather+ (Varfather2-Varfather1) (26) 说明书 4/9 页 9 CN 112130581 A 9 0058 式中， Varson为子代航迹点集合， Varfathe。

　　30、r1和Varfather2为亲代航迹点， 其中 是比例 因子， 由-d,1+d上均匀分布地随机数产生， 一般d0.25。 重组时， 先为每一个子代的每一 个变量产生一个 ， 根据出生率产生对应数量的子代个体。 步骤3.7、 死亡， 按适应度值调整 种群个体顺序， 采用线性排序的方法对群中个体适应值进行调整， 并对调整后的目标函数 值进行降序排序， 最适应个体放置在列表最后一个位置， 每个个体的适应度值根据他在种 群中的排序位置计算出来； 0059 0060式中，是调整后个体的适应度值； S是种群中个体的数量； sp是选择压差；是UAVj的适应度值在种群中的排序位置； 0061 步骤3.8、 计。

　　31、算当前种群数量， 若当前种群数量超出种群最大规模， 则按轮盘赌的 方法淘汰一部分个体， 淘汰数量为超出种群最大规模的数量； 若未超出， 则按轮盘赌的方法 淘汰当前种群数量乘以自然死亡率的数量的个体； 0062 步骤3.9、 变异， 种群中的个体以一定的概率执行方向变异操作； 在三维搜索空间 中， 每个航迹点集合中每个元素的每一维在该维方向上的移动步长为l： 0063 0064 步骤3.110更新全局极值， 将最优个体的航迹点集合记为Ug， 并检验是否达到航迹 规划的最大迭代次数， 若达到， 进入下一步进行检验； 若未达到， 则返回初始化参数； 0065 步骤3.11检验是否达到最大任务分配迭代。

　　32、次数， 若达到， 退出优化， 输出结果； 若 未达到返回步骤2.3； 0066 步骤3.12将在固定障碍物内的航迹进行再优化得到安全路径。 0067 本发明有益效果： 0068 本发明提供一种基于空中机动作战任务背景多无人机协同任务规划方法， 建立以 无人机任务规划数学模型， 然后借鉴生物生命周期特征， 将任务规划寻优过程映射到生命 周期生长发育过程中， 采用空间平面分割， 以个分割平面上一点， 组成航迹点集合。 利用了 变种群个体数， 改进了生命周期群搜索算法(LSO)利用改进生命周期群搜索算法(ILSO)， 基 于层次优化思想， 将多无人机协同任务规划问题分为两层， 第一层进行航迹点集合搜。

　　33、索寻 优， 得到各UAV可飞行路径， 第二层将在固定障碍物内的航迹进行再优化得到安全路径得到 安全路径， 用于解决多无人机协同航迹规划问题。 。 附图说明 0069 图1为任务规划流程图； 0070 图2为中间重组交叉算子示意图。 具体实施方式 0071 为了使本发明的目的、 技术方案及优点更加清楚明白， 下面结合附图与实例对本 说明书 5/9 页 10 CN 112130581 A 10 发明作进一步详细说明， 但所举实例不作为对本发明的限定。 0072 实施例一： 0073 本实施例公开的一种面向空中机动作战无人机集群协同任务规划方法， 具体实施 步骤如下： 0074 步骤一、 无人机协同。

　　34、任务规划数学模型的建立。 0075 根据各UAV的最大航程距离约束、 最大转弯角、 最大爬升和俯冲角、 最低和最高飞 行高度、 最小无人机之间安全距离以及任务规划目的建立的无人机协同任务规划的数学模 型如式(29)-(35)所示： 0076 无人机协同任务规划目标函数： 0077 min(f1,f2,f3) (29) 0078 0079 无人机最大转弯角度约束： 0080 0081 无人机最大爬升俯冲角度约束： 0082 0083 无人机最低/最高飞行高度约束： 0084 0085 无人机间的碰撞回避约束： 0086 min DISk(rli,rlj)Ds， k1,2,K (34) 0087 。

　　35、无人机最小航路段长度约束： 0088 0089 步骤二、 借鉴生物生命周期特征， 将任务规划寻优过程映射到生命周期生长发育 过程中， 采用空间平面分割， 以个分割平面上一点， 组成航迹点集合： 0090 步骤2.1、 将无人机对航迹点的寻优映射到个体按适应度值繁殖和淘汰； 0091步骤2.2、 设第i个敌方目标被摧毁需要的最小无人机数量为设置最大任务分 配迭代次数； 0092步骤2.3、 随机初始化飞往i个敌方目标的无人机数Ni， 且每个目标初始 化的无人机数分配给各基地， 基地分到无人机的数目为该基地的初始化攻击无人机数， 若 此数量大于该基地的最大可出动无人机数， 则返回继续进行初始化无人。

　　36、机分配； 0093 步骤2.4、 对于目标基地、 障碍物和雷达进行地图建模， 并将地图用多组平行于xoz 说明书 6/9 页 11 CN 112130581 A 11 面的平面等距分割。 设平面数量为M,目标点到xoz面的距离为Di， 最小航路段长度为lmin， 则： 0094 0095 步骤2.5、 每个平面上的任意一点可能的航迹点， 对于一个UAV， 一个平面上有且只 有一个航迹点。 0096 步骤三、 利用了变种群个体数， 改进了生命周期群搜索算法(LSO)利用改进生命周 期群搜索算法(ILSO)， 基于层次优化思想， 将多无人机协同任务规划问题分为两层， 第一层 进行航迹点集合搜索寻优。

　　37、， 得到各UAV可飞行路径， 第二层将在固定障碍物内的航迹进行再 优化得到安全路径； 0097 ILSO算法的具体实现方法如下： 0098 步骤3.1、 初始化各种参数； 随机初始化航迹点， 第a个基地派出的第j架UAV到第i 个敌方目标， 此UAV起飞点离所构建的平面最距离最近的为第k个平面,(k1,2, K)。 此平面定义为UAV的初始起飞平面。 敌方目标i离所构建的平面中距离最近的为平面r， 定义为飞机的终止平面， (r1,2,R)。 则UAVj的初始航迹点集合为则 0099 0100 步骤3.2、 检验初始航迹集合的起始段航线和终止段航线是否存在迂回航迹， 若起 始段航线、离起点第二近邻平面为初始起飞平面， 若终止段航线存在迂回， 取离 目标点的第二近邻平面为终止平面； 正态分布均值 为产生的随机变量代入目标函 数计算适应度值， 作为初代种群的适应度值， 其中为所有敌方目标x坐标的平均值， 0101 0102 其中,HN表示正常巡航情况下飞行高度， Hmax为最高飞行高度， Hmin为最低飞行高 度,xR为各敌方基地x坐标的极差； 0103 步骤3.3、 将初始种群的最优个体设置为全局初始极值， 若个体不满足约束条件， 初个体的适应度值设为正无穷； 0104 步骤3.4、 生长发育： 设第a个基地派出的第j架UAV到第i个敌方目标当前最优的航 迹点集合为：将最优。

　　40、f(S0)， 则 0110 步骤3.5、 将种群中的其他个体航迹集合以一定的概率执行同化操作或换位操作； 同化是指群内采取社会觅食方式的个体的觅食路径被最优个体同化， 追随群内最优个体进 行搜索； 0111 0112 式中， r1Rn是在(0， 1)均匀分布的随机数； 公式(41)表示在第k次迭代中第j架UAV 的航迹点集合追随群内当前最优航迹点集合进行搜索； 0113 群内除最优个体外， 采取独立觅食方式的个体其觅食执行方法采取换位算子， 个 体在其自身具备的能量范围内进行搜索； 0114 0115式中， 是个体的换位步长； r2Rn是在(0， 1)均匀分布的随机数；和之 间的范围是个体i在。

　　41、第k代搜索最大范围； 是整个搜索空间范围； 0116 步骤3.6、 繁殖， 将种群中的每个航迹集合进行两两配对， 执行变种群个体数量的 中间重组操作： 0117 VarsonVarfather+ (Varfather2-Varfather1) (43) 0118 式中， Varson为子代航迹点集合， Varfather1和Varfather2为亲代航迹点， 其中 是比例 因子， 由-d,1+d上均匀分布地随机数产生， 一般d0.25。 重组时， 先为每一个子代的每一 个变量产生一个 ， 根据出生率产生对应数量的子代个体。 0119 步骤3.7、 死亡， 按适应度值调整种群个体顺序， 采用线、排序的方法对群中个体 适应值进行调整， 并对调整后的目标函数值进行降序排序， 最适应个体放置在列表最后一 个位置， 每个个体的适应度值根据他在种群中的排序位置计算出来； 0120 0121式中，是调整后个体的适应度值； S是种群中个体的数量； sp是选择压差；是UAVj的适应度值在种群中的排序位置； 0122 步骤3.8、 计算当前种群数量， 若当前种群数量超出种群最大规模， 则按轮盘赌的 方法淘汰一部分个体， 淘汰数量为超出种群最大规模的数量； 若未超出， 则按轮盘赌的方法 淘汰当前种群数量乘以自然死亡率的数量的个体； 0123 步骤3.9、 变异， 种群中的个体以一定的概率执行方向变异操作。

　　43、； 在三维搜索空间 中， 每个航迹点集合中每个元素的每一维在该维方向上的移动步长为l： 说明书 8/9 页 13 CN 112130581 A 13 0124 0125 步骤3.10、 更新全局极值， 将最优个体的航迹点集合记为Ug， 并检验是否达到航迹 规划的最大迭代次数， 若达到， 进入下一步进行检验； 若未达到， 则返回步骤3.1， 初始化参 数； 0126 步骤3.11、 检验是否达到最大任务分配迭代次数， 若达到， 退出优化， 输出结果； 若 未达到返回步骤2.3； 0127 步骤3.12、 将在固定障碍物内的航迹进行再优化得到安全路径； 0128 以上的具体描述， 是对发明目的、 技术方案的进一步详细说明， 应当说明的是， 以 上实施例仅用以说明本发明的技术方案而非对其限制； 尽管参照较佳实施例对本案进行了 详细的说明， 所属领域的普通技术人员应当理解： 依然可以对本案的具体实施方式进行修 改或者对部分技术特征进行等同替换； 而不脱离本案技术方案的精神， 其均应涵盖在本案 请求保护的技术方案范围当中。 说明书 9/9 页 14 CN 112130581 A 14 图1 说明书附图 1/2 页 15 CN 112130581 A 15 图2 说明书附图 2/2 页 16 CN 112130581 A 16 。PG电子游戏科技PG电子游戏科技