一种基于融合赋权的无人飞行器航迹规划决策方法与流程

本发明涉及无人飞行器航迹规划与多属性决策领域，尤其涉及一种基于融合赋权的无人飞行器航迹规划决策方法，其应用于无人飞行器航迹规划后的航迹决策阶段，可实现在无人飞行器进行高速飞行前的任务规划阶段，对经过离线航迹规划得到的待选航迹集合，通过客观赋权、隐式关联进行航迹决策优选。

背景技术：

无人飞行器航迹规划是指在综合考虑无人飞行器的机动性能和飞行任务特点的前提下，计算出在执行飞行任务时，各个时刻无人飞行器应当出现的位置。无人飞行器航迹规划不仅仅是要计算无人飞行器最安全的路径，而且要计算无人飞行器执行任务效率效能最高的航迹。

上个世纪50年代开始，无人飞行器被应用到作为靶机、侦察机等多种用途。随着任务的复杂程度与日俱增，无人飞行器任务规划系统建立的重要性日益凸显，航迹规划是一门伴随着现代信息技术而发展起来的高新技术。

无人飞行器航迹规划过程分为离线规划与在线规划。在无人飞行器执行任务之前，根据任务场景的先验知识，通过航迹规划算法，进行离线规划。离线规划过程通常采用分布式计算处理技术，不对算法的时间复杂度做过多的要求。在线规划是指在无人飞行器进行任务的过程中，通过加载离线航迹结果，按照预先规划航迹飞行，再根据无人飞行器搭载的遥感遥测设备进行实时场景勘测，对新发现的威胁等进行实时的航迹规划。

通过航迹规划算法通常可以得到多个无人飞行器飞行的航迹方案，称为待选航迹集。从无人飞行器的待选航迹集合中，优选出最优的飞行航迹就是航迹规划的最后一步，即决策级的规划。目前常用的无人飞行器航迹决策方法有综合代价法和隐式关联法。二者的共同点都是要根据各项属性的权值进行加权决策，因而权值赋予方法就是此中的一项关键技术。最常用的赋权方法是专家经验赋值法，这种方法拥有过于主观、赋权不及时等缺点，而常用的属性熵值法、离差最大化法等客观赋权方法又具有对属性内部差异性过大时，权值赋予过高的缺点。

技术实现要素：

针对上述问题中存在的不足之处，本发明通过提供一种基于融合赋权的无人飞行器航迹规划决策方法，在航迹规划的最后阶段，通过基于层次分析融合属性熵值法，进行客观赋权，再通过隐式关联法进行最终的航迹决策，进而实现了避免单一属性决定决策结果的技术效果。

为实现上述目的，本发明提供一种基于融合赋权的无人飞行器航迹规划决策方法，包括：

步骤1、参数输入：输入无人飞行器航迹规划的待选航迹集合及对应的属性代价矩阵，并对属性代价矩阵做列规范化；

步骤2、客观赋权：根据属性熵值法对列规范化的属性代价矩阵计算各列属性熵值，通过归一化得到第一次客观赋权的权重；根据层次分析法，计算各个属性间的差异性系数比矩阵；再根据非线性变换，计算属性间的重要性比较矩阵；最后通过正规分解，得到最大特征值对应的标准特征向量，作为二次调整后的客观权重计算结果；

步骤3、隐式关联：按照隐式关联法计算各条航迹与最优航迹的点关联系数，并排序取相关性最大的航迹；

步骤4、结果输出：输出航迹决策的结果。

作为本发明的进一步改进，所述步骤1包括：

步骤11、输入无人飞行器离线航迹规划得到的待选航迹集合Path；

Path＝{(X_S,…,X_i,…,X_E)|X_i∈G_M×N} (1)

式中，X_i＝[x_i,y_i,z_i]^T为航迹点的坐标，X_S为航迹点的开始坐标，X_E为航迹点的结束坐标，G_M×N为航迹规划场景范围内的所有航迹点的集合；

步骤12、输入无人飞行器待选航迹集合中，U条待选航迹对应的V个属性组成的属性代价矩阵P；

式中，p_uv为第u条待选航迹的第v个属性的属性值；

步骤13、对属性代价矩阵做列规范化，即对属性代价矩阵P中的每个属性值按下式进行处理；

得到属性值内规范化之后的无量纲属性代价矩阵

作为本发明的进一步改进，所述步骤2包括：

步骤21、对无量纲属性代价矩阵作列归一化，使各个航迹属性值满足伪概率分布的要求，即：

计算规范化的属性代价矩阵中各属性的属性熵值E_v；

计算第一次客观赋权的权重

步骤22、对各个属性进行重要性比较，离差较大的属性较离差较小的属性更为重要，因此根据第一次客观赋权的权重，对各属性计算差异性系数比矩阵D：

式中，d_ij为第i个属性对第j个属性的差异性系数，且d_ij·d_ji＝1；若d_ij＞1，则在决策中，第i个属性比第j个属性重要；

步骤23、将差异性系数比映射至1至9的标注中，得到属性的重要性比较矩阵R，矩阵中各元素按下式计算：

其中，a为调整系数，表示在差异性系数比映射时的最大评分标注；若d_ij＜9，则a取最接近于d_ij的整数，否则a＝9；

步骤24、对重要性比较矩阵R进行正规分解，求特征值与特征向量；

式中，λ为矩阵的特征值，酉矩阵U由矩阵R的标准正交特征向量组成；取矩阵最大特征值λ_max对应的标准特征向量为基于层次分析的融合算法计算得到的二次调整后的客观权重

作为本发明的进一步改进，所述步骤3包括：

步骤31、设定理想航迹方案P^*的属性值为待选属性代价矩阵中各列的最大值；

将理想航迹方案作为参考方案，将待选航迹集合中的所有方案作为比较方案，计算比较航迹方案中各属性与参考方案中各属性的点关联系数矩阵Ξ；

式中，分辨系数ρ∈[0,1]；

根据二次调整后的客观权重w^*，对点关联系数加权，求解航迹规划决策级的关联度度量矩阵R^*；

步骤32、根据关联度度量矩阵R^*，得到各待选方案相对于理想参考方案的综合相似性度量，根据各方案的关联度排名，选取最优的无人飞行器航迹作为最终采用的飞行航迹方案。

与现有技术相比，本发明的有益效果为：

1、克服了常用的客观赋权方法在对单一属性内差异性较大时，计算得到的权值赋予过大，因而造成单一属性决定决策结果的问题；

2、权值调整方法无需一致性检验，决策过程简单、容易实现。

附图说明

图1为本发明一种实施例公开的基于融合赋权的无人飞行器航迹规划决策方法的流程图；

图2为本发明中的计算算例的决策结果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明通过提供一种无人飞行器航迹规划决策方法，解决了常用的无人飞行器决策方法中，权值赋予主观化，权值赋予差异性大，导致单一属性决定决策结果的问题。在一次客观赋权后，进行非线性调整，增大点关联系数分布的方差，优化决策结果。

本发明中的技术方案为解决上述无人飞行器航迹规划决策方法的技术问题，总体思路如下：

首先，输入包含经过无人飞行器航迹规划算法后，得到的所有航迹的集合与属性代价矩阵；接着，对输入的属性代价进行属性内的规范化，对得到的规范化属性分别计算属性熵值，再归一化作为第一次客观赋权结果；然后，通过利用层次分析法计算各属性间的差异性系数比矩阵，进一步计算属性间的重要性比较矩阵，通过利用特征向量法对重要性比较矩阵进行正规分解，得到的最大特征值对应的标准特征向量就是调整后的客观赋权结果；利用隐式关联法，分别计算各条航迹在经调整的客观赋权结果下，最终的相关性度量的排名；最后，输出拥有点关联系数最大的航迹作为最终决策结果。

为了更好地理解上述技术方案，下面将结合说明书附图，以及具体的实施方案对上述的技术方案进行详细的说明。

如图1所示，本发明提供一种基于融合赋权的无人飞行器航迹规划决策方法，包括：

步骤1、参数输入：输入无人飞行器离线航迹规划得到的所有待选航迹集合以及待选航迹集合中的各条航迹的各个属性值组成的属性代价矩阵，并对属性代价矩阵做列规范化；其中具体包括：

步骤11、输入无人飞行器离线航迹规划得到的待选航迹集合Path；

Path＝{(X_S,…,X_i,…,X_E)|X_i∈G_M×N} (1)

式中，X_i＝[x_i,y_i,z_i]^T为航迹点的坐标，X_S为航迹点的开始坐标，X_E为航迹点的结束坐标，G_M×N为航迹规划场景范围内的所有航迹点的集合；

步骤12、输入无人飞行器待选航迹集合中，U条待选航迹对应的V个属性组成的属性代价矩阵P；

式中，p_uv为第u条待选航迹的第v个属性的属性值；

步骤13、对属性代价矩阵做列规范化，即对属性代价矩阵P中的每个属性值按下式进行处理；

得到属性值内规范化之后的无量纲属性代价矩阵

步骤2、客观赋权：根据客观赋权方法(如属性熵值法)对列规范化的属性代价矩阵计算各列属性熵值，通过归一化得到第一次客观赋权的权重；根据层次分析法，计算各个属性间的差异性系数比矩阵；再根据非线性变换，计算属性间的重要性比较矩阵；最后通过正规分解，得到最大特征值对应的标准特征向量，作为二次调整后的客观权重计算结果；其具体包括：

步骤21、对无量纲属性代价矩阵作列归一化，使各个航迹属性值满足伪概率分布的要求，即：

计算规范化的属性代价矩阵中各属性的属性熵值E_v；

由于属性熵表征了分布的不确定性，当概率分布为均匀分布时，属性熵有最大值；在决策级客观赋权时，将偏差更大的属性赋予更大的权值，属性权重与属性熵成负相关，计算第一次客观赋权的权重

步骤22、对各个属性进行重要性比较，离差较大的属性较离差较小的属性更为重要，因此根据第一次客观赋权的权重，对各属性计算差异性系数比矩阵D：

式中，d_ij为第i个属性对第j个属性的差异性系数，且有d_ij·d_ji＝1的特点；若d_ij＞1，则在决策中，第i个属性比第j个属性重要；

步骤23、将差异性系数比映射至1至9的标注中，得到属性的重要性比较矩阵R，矩阵中各元素按下式计算：

其中，a为调整系数，表示在差异性系数比映射时的最大评分标注；若d_ij＜9，则a取最接近于d_ij的整数，否则a＝9；

步骤24、利用特征向量法对重要性比较矩阵R进行正规分解，求特征值与特征向量；

式中，λ为矩阵的特征值，酉矩阵U由矩阵R的标准正交特征向量组成；取矩阵最大特征值λ_max对应的标准特征向量，该向量就是基于层次分析的融合算法计算得到的二次调整后的客观权重

步骤3、隐式关联：按照隐式关联法计算在二次调整后的客观权重下各条航迹与最优航迹的点关联系数，通过点关联系数计算关联度度量矩阵，并排序取相关性最大的航迹；其具体包括：

步骤31、设定理想航迹方案P^*的属性值为待选属性代价矩阵中各列的最大值；

将理想航迹方案作为参考方案，将待选航迹集合中的所有方案作为比较方案，计算比较航迹方案中各属性与参考方案中各属性的点关联系数矩阵Ξ；

式中，分辨系数ρ∈[0,1]，一般取ρ＝0.5；

根据二次调整后的客观权重w^*，对点关联系数加权，求解航迹规划决策级的关联度度量矩阵R^*；

步骤32、根据关联度度量矩阵R^*，得到各待选方案相对于理想参考方案的综合相似性度量，根据各方案的关联度排名，选取最优的无人飞行器航迹作为最终采用的飞行航迹方案。

步骤4、结果输出：由关联度度量矩阵进行排序，得到具有最大点关联系数的航迹，输出航迹决策的结果。

实施例1：

步骤1、参数输入：

(a)输入的待选航迹集合为10条待选航迹点集；

(b)输入的属性代价矩阵的维数为10×4：

(c)数据规范化，得到规范化的属性代价矩阵维度为10×4：

步骤2、客观赋权；

(a)属性代价矩阵列归一化，计算属性熵，得到属性熵向量E＝[0.9382,0.6699,0.580]^T4，

第一次客观赋权的权重为

(b)计算差异性系数比矩阵，得到

(c)计算重要性比较矩阵，得到

(d)正规分解得到，重要性比较矩阵最大特征值λ_max＝3.2263；

调整后的权值为w^*＝[0.0694,0.2777,0.3467,0.3063]^T。

步骤3、隐式关联：

(a)理想航迹方案为P^*＝[1,1,1,1,1]^T，

得到点关联系数矩阵

以及关联度度量矩阵

R^*＝(r^*)_10×1＝[0.3816,0.3810,9317,0.3593,0.4407,0.3688,0.3654,0.9193,0.3646,0.3362]^T；

(b)得到关联度排序，最大关联度度量为0.9317，对应航迹属性代价向量为

P＝[284.7748,2.0728,1.4341,30.8548]^T。

步骤4：结果输出：

输出最大关联度度量对应的航迹，在威胁地形图下的航迹如图2所示。

本发明提供一种基于融合赋权的无人飞行器航迹规划决策方法，首先输入无人飞行器的所有待选航迹集合及对应的属性代价矩阵；对列规范化的属性代价矩阵，利用属性熵值法进行客观赋权，接着对客观权值计算差异性系数比矩阵，再通过非线性映射计算重要性比较矩阵，通过对重要性比较矩阵进行正规分解，得到最大特征值对应的标准特征向量，作为二次调整的客观赋权结果；然后计算各个航迹对最佳航迹的点关联系数和关联度度量矩阵，进而得到关联度度量排名；最后，输出具有最大关联度度量的航迹作为决策结果。相较于以往的航迹规划决策方法，可以根据二次调整权值得到差异性更小的客观赋权结果，同时克服了常用的客观赋权方法在对单一属性内差异性较大时，计算得到的权值赋予过大，因而造成单一属性决定决策结果的问题；本发明的权值调整方法无需一致性检验，决策过程简单、容易实现。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。