基于改进蝙蝠算法的无人机路径规划方法和装置与流程

本发明涉及无人机，具体涉及一种基于改进蝙蝠算法的无人机路径规划方法和装置。

背景技术：

1、无人机 (uav) 是一种现代航空装备，由于其可以执行远程和危险环境中危险、重复性的工作。无人机航路规划问题的目标是满足特定的约束条件下，在初始位置和所需的目的地之间寻找一条具有最小威胁代价的最优或接近最优的飞行路径。近年来，在军用和民用领域，无人机航路规划问题都得到了广泛的研究。部分智能算法已经在该问题中得到了应用，如蝙蝠算法 (ba)，人工蜂群算法(abc)，遗传算法 (ga)，蚁群算法 (aco)以及人工神经网络 (ann) 等。

2、蝙蝠算法是由x.s.yang于 2010 年提出的，它源于对大自然中蝙蝠利用回声定位的原理进行搜索、捕食食物过程的模拟。在搜寻食物时，蝙蝠会发出超声波脉冲，此时的脉冲音强最大，这样有助于超声波传播更远的距离。在飞向猎物的过程中，脉冲音强会逐渐减小，而脉冲频度则会逐渐增加，这样会使蝙蝠更精确地获取食物的位置。

3、在规划飞行路径的过程中，蝙蝠算法缺乏突变机制，容易陷入局部最优，导致种群丧失后续进化能力。专利cn201910854519.9将强化学习方法引入到了蝙蝠算法中，但仍然不能解决局部最优的问题。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于改进蝙蝠算法的无人机路径规划方法和装置。

2、依据本发明的一个方面，提供了一种基于改进蝙蝠算法的无人机路径规划方法，所述方法包括：

3、结合无人机的初始位置、目标位置和适应度函数，初始化无人机的蝙蝠算法模型参数；

4、基于所述蝙蝠算法模型进行迭代更新，并引入人工蜂群算法适时改变无人机的位置，并确定更新后的适应度函数值；

5、判断是否满足迭代停止条件，若满足则停止迭代，从而规划出从初始位置到目标位置的最优路径。

6、在一些实施方式中，基于蝙蝠算法模型进行迭代更新，并引入人工蜂群算法适时改变无人机的位置，并确定更新后的适应度函数值包括：

7、将适应度低于预设值的第一部分蝙蝠选为雇佣蜜蜂，其余的第二部分蝙蝠选为观望蜜蜂；

8、利用蝙蝠算法模型中的速度、频率和响度值更新所述雇佣蜜蜂的位置；

9、通过轮盘赌的方式从所述雇佣蜜蜂中选择所述观望蜜蜂跟随的对象，并随机选择需要更改的节点；

10、利用突变参数改变所述观望蜜蜂的位置，并进而根据更新后的位置更新对应的适应度函数值。

11、在一些实施方式中，利用突变参数改变所述观望蜜蜂的位置，并进而根据位置更新对应的适应度函数值包括：

12、基于需要更改的节点位置、突变参数以及选中的雇佣蜜蜂的位置确定所述观望蜜蜂更新后的位置；

13、基于所述更新后的位置计算适应度函数值，若所述适应度函数值小于更新前的适应度函数值，则保留更新后的所述适应度函数值对应的路径。

14、在一些实施方式中，所述方法还包括：

15、如果所述雇佣蜜蜂的位置在预设时间内没有变化，则生成一个随机位置，并初始化相应的速度、频率和响度。

16、在一些实施方式中，所述适应度函数为综合成本的倒数，所述综合成本包括如下的至少一项：路径成本、障碍物威胁成本、雷达威胁成本、导弹威胁成本、防空威胁成本、气候威胁成本、地形威胁成本、最大爬升角成本、最大高度成本。

17、在一些实施方式中，初始化无人机的蝙蝠算法模型参数包括：

18、初始化蝙蝠种群中各蝙蝠的速度、频率和响度，并生成位置随机解。

19、在一些实施方式中，所述方法还包括：

20、利用b样条差值曲线平滑所述最优路径。

21、依据本发明的另一个方面，提供了一种基于改进蝙蝠算法的无人机路径规划装置，所述装置包括：

22、初始化模块，结合无人机的初始位置、目标位置和适应度函数，初始化无人机的蝙蝠算法模型参数；

23、更新模块，适于基于所述蝙蝠算法模型进行迭代更新，并引入人工蜂群算法适时改变无人机的位置，并确定更新后的适应度函数值；

24、规划模块，适于判断是否满足迭代停止条件，若满足则停止迭代，从而规划出从初始位置到目标位置的最优路径。

25、依据本发明的又一方面，提供了一种无人机，包括：处理器以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据上述实施方式中任一项所述的基于改进蝙蝠算法的无人机路径规划方法。

26、依据本发明的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现根据上述中任一项基于改进蝙蝠算法的无人机路径规划方法。

27、由上述可知，根据本发明公开的上述技术方案利用人工蜂群算法改进蝙蝠算法，当陷入局部最优时，利用人工蜂群算法寻找新的路径来取代旧的路径，从而规划出可行、安全、有效的飞行路径。

28、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种基于改进蝙蝠算法的无人机路径规划方法，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，基于蝙蝠算法模型进行迭代更新，并引入人工蜂群算法适时改变无人机的位置，并确定更新后的适应度函数值包括：

3.根据权利要求2所述的方法，其特征在于，利用突变参数改变所述观望蜜蜂的位置，并进而根据位置更新对应的适应度函数值包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述适应度函数为综合成本的倒数，所述综合成本包括如下的至少一项：路径成本、障碍物威胁成本、雷达威胁成本、导弹威胁成本、防空威胁成本、气候威胁成本、地形威胁成本、最大爬升角成本、最大高度成本。

6.根据权利要求1所述的方法，其特征在于，初始化无人机的蝙蝠算法模型参数包括：

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：

8.一种基于改进蝙蝠算法的无人机路径规划装置，所述装置包括：

9.一种无人机，其特征在于，包括处理器以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的基于改进蝙蝠算法的无人机路径规划方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现根据权利要求1-7中任一项所述的基于改进蝙蝠算法的无人机路径规划方法。

技术总结
本发明公开了一种基于改进蝙蝠算法的无人机路径规划方法和装置，所述方法包括：结合无人机的初始位置、目标位置和适应度函数，初始化无人机的蝙蝠算法模型参数；基于所述蝙蝠算法模型进行迭代更新，并引入人工蜂群算法适时改变无人机的位置，并确定更新后的适应度函数值；判断是否满足迭代停止条件，若满足则停止迭代，从而规划出从初始位置到目标位置的最优路径。上述技术方案利用人工蜂群算法改进蝙蝠算法，当陷入局部最优时，利用人工蜂群算法的突变机制寻找新的路径来取代旧的路径，从而规划出可行、安全、有效的无人机飞行路径。

技术研发人员：任雪峰
受保护的技术使用者：北京卓翼智能科技有限公司
技术研发日：
技术公布日：2024/1/15