一种基于蚁群算法的无人机协同任务规划优化算法摘要:随着无人机在军事领域的广泛应用,越来越多的无人机将应用在未来战场,因此无人机协同规划变得越来越重要。建立了多无人机协同任务分配模型,并研究了模型求解的有效算法。在蚁群算法的基础上提出针对密度较大目标区域的多无人机协同任务规划的优化方法,优化蚁群算法的搜索条件,降低了蚁群算法的时间和空间复杂度。PG电子网页版关键词:无人机;协同规划;蚁群算法;目标群密度 DOIDOI:/ 中图分类号:TP319 文献标识码:A文章编号-0131-03 0引言多基地多无人机协同侦查模型可以描述为:利用多种不同性能的无人机对多个空间分散的目标进行侦查,这些无人飞机分散在多个地理位置不同的基地上,需要快速制定无人侦查飞机的侦查任务计划以满足侦查要求和实际约束条件。在无人机迅速发展的同时,雷达技术也快速发展,因此一旦有侦察无人机进入防御方某一目标群配属雷达探测范围,防御方目标群的配属雷达均开机对空警戒和搜索目标,并会采取相应对策,包括发射导弹对无人机进行摧毁等,因此侦察无人机滞留防御方雷达探测范围内时间越长,被其摧毁的可能性就越大[1-2]。本文以侦察、监视任务为中心,以协同探测多基地目标为背景,在蚁群算法规划路线的基础上进一步优化线路,以此尽可能缩短无人机任务飞行时间和被雷达探测到的时间。 2无人机侦察目标群聚类为了最大程度上利用各无人机基地资源,首先要对目标群进行聚类。常用的聚类方法有K-means聚类算法、层次聚类算法、SOM聚类算法和FCM聚类算法[3]。本文采用层次分析法对目标群进行聚类,通过聚类,可以规划出各无人机基地派出的无人机的探测目标群,在无人机数量和飞行参数限制条件下,这样做能最大限度地提高效率。层次分析法的算法流程如图1所示。 3基于改进蚁群算法的目标群路线规划对目标群聚类后,要对每个类里的线],首先采用蚁群算法规划路线。在无人机协同任务规划中,蚁群算法能够很好地规划目标群之间的最优路径,但是没有考虑到目标群密度条件,针对密度较小的目标群,蚁群算法给出的是最优解,但是对于密度较大的目标群模型,蚁群算法给出的路径并不是最优解,很多在无人机探测半径之内的目标可以一次飞过,不需要飞到每个点的上空探测,尽可能在两侦查目标之间航行,能够侦查到载荷搜索范围内的目标。PG电子网页版鉴于此,提出对蚁群算法的改进算法。首先对三目标距离模型进行建模,设无人机的探测半径为Kr,如图2所示。x为目标1到目标3的距离,y为目标2到目标3的距离,a为1,2目标之间的距离,则可得其模型如图2所示。 Step3:当m只蚁都完成了后续节点选择后,完成一次循环,各路径上信息素根据下式进行局部信息素更新: 其中,Δτkij表示第k只蚂蚁留在路径上的信息素,表示本次循环中路径信息素的增量;ρ为信息素轨迹的衰减系数,通常设置ρMaxstep,则停止寻找,输出最优路径,否则转到Step2继续寻找。蚁群算法的时间和空间复杂度为[5]: 式中,n为所求问题规模,Nc为算

　　一种基于蚁群算法的无人机协同任务规划优化算法 来自淘豆网转载请标明出处.