一种基于非支配排序遗传算法ii的航迹规划方法
【技术领域】
[0001] 本发明涉及一种基于非支配排序遗传算法II的航迹规划方法。
【背景技术】
[0002] 航迹规划是航行器遂行作战任务保障的重要组成部分，它是近半个世纪以来，伴 随现代高科技战争而发展起来一门新兴技术。航迹规划已被广泛应用于巡航导弹、飞机、潜 艇、舰船、无人机、无人作战平台、无人潜水器等装备的导航系统中。航迹规划是高科技作战 条件下的产物，是随着信息获取手段和信息处理技术的发展而发展起来的一门跨学科的研 宄课题。在现代战争中，随着敌我双方作战武器性能日益提高，航迹规划作为精确制导武 器、无人机、无人作战平台所必不可少的支持工具，是提高作战系统实际作战效能的关键技 术之一O
[0003] 但是由于航迹规划涉及约束较多，数学模型建立困难，航迹规划系统的发展受到 了技术上和实际应用上的各种限制。现有的航迹规划系统在提高模型保真度、优化精度和 执行效率方面还有很多工作要做。在军事气象水文保障领域，如何有效地引导航行器和无 人作战平台规避危险、复杂的天气区域和海域，降低大气、海洋环境风险，既是现代军事气 象水文保障的重要任务和研宄目标，也是当前我军面临的薄弱环节和难点问题，急待开展 和加强相关的基础探索和应用研宄。
[0004] 本发明提出一种非支配排序遗传算法II (NSGA II)的航迹规划方法。该技术能够 准确描述气象水文环境对航行器的影响，实现航迹规划的多目标优化。
【发明内容】
[0005] 本发明所解决的技术问题在于提供一种基于非支配排序遗传算法II的航迹规划 方法，以解决上述【背景技术】中的缺点。
[0006] 本发明基于非支配排序遗传算法II，利用C#编程语言进行海战场环境航迹规划 算法实现，为了详细的介绍本发明的内容，下面对一些概念进行阐述或者定义：
[0007] 定义一：多目标优化问题（MOP) -般MOP由个决策变量参数、个目标函数和个约束 条件组成，目标函数、约束条件与决策变量之间是函数关系。不失一般性，多目标优化问题 的数学表达如下：
[0008] Minimize y = f (X) = (A (X)，f2 (X)，···，fk (X))
[0009] S. t. e (x) = (θ! (x), e2 (x), . . . , em (x))
[0010] 其中，x = (X1, x2, · · ·，xn) e X
[0011] 这里x表示决策向量，y表示目标向量，X表示决策向量x形成的决策空间，Y表示 目标向量y形成的目标空间，约束条件确定决策向量的可行的取值范围。
[0012] 定义二：支配与被支配（Dominating and Dominated);-个决策向量X1，支配一个 决策向量x2,记为Xi< X 2,当且仅当：
[0013] ~在所有目标上都不差于X2，也就是说，fk (X1)彡fk (X2)，Vt = 1,...,?并且
[0014] X1至少在一个目标上严格好于X2，也就是说，3& = 1，.··，~：fk(Xl) < fk(x2)。
[0015] 相似的，一个目标向量，支配另一个目标向量f 2，如果&在所有目标值上都不差 于f2，并且至少在一个目标值上好于f 2。目标向量支配记为f\< f 2。
[0016] 定义三：弱支配；一个决策向量X1，弱支配一个决策向量X2，记为X 1S X 2，当且仅 当％在所有目标上都不差于X 2时，也就是说，f k (X1)彡fk (X2)，= 1，…，~。
[0017] 定义四：帕累托（Pareto)最优；一个决策向量X* e F是帕累托最优，如果不存在 一个决策变量X辛X* e F支配它。也就是说i = 1,...,? : fk (X) < fk (X*)。如果X是帕累托 最优，目标向量f*(x)也是是帕累托最优。帕累托最优的概念是以数学家威尔弗瑞德.帕 累托（Vilfredo Pareto)命名的，他推广了 F.Y. Edgeworth首次提出的这个概念。
[0018] 定义五：帕累托最优集；所有的帕累托最优决策向量组成了帕累托最优集P*，也 就是
【主权项】
1. 一种基于非支配排序遗传算法II的航迹规划方法，其特征是包括以下步骤： (1) 航迹规划模型类型的确定；航迹规划模型的类型是由任务决定的。受领任务后，根 据任务的具体内容，明确航迹规划的对象、任务概况、大致空间和时间； (2) 战场环境信息获取及表示：环境信息的选取应充分考虑气象条件、自然地形和人 工障碍因素通过卫星照片、航拍图片、气象探测资料、计算机模拟、历史资料手段获取，通过 栅格法、单元树法、多边形表示法或边缘函数法将环境信息通过一定的方法转换为计算机 能够识别的信息； (3) 航迹规划约束条件和目标函数提取：目标函数是由航行器遂行军事任务所要完成 的目标来确定的，同时受环境的约束；目标函数包括：路径最短、时间最短、威胁最小。 (4) 航迹表示：航迹是航迹规划的目标，航迹表示方法是指在规划空间中表示航迹的 方法，包括解析方法、栅格方法及二者结合的方法； (5) 采用非支配排序遗传算法II实现航迹规划算法的实现：航迹规划算法提供了从目 标函数和约束条件到解空间的方法，给出了从条件到解的过程，是实现规划最终目的的必 经之路；航迹规划算法得到的解空间是航迹评价的基础；优化的目标有：航迹总长度最小 化、规避地形失败次数最小化（最优值为0)和规避强对流云的平均生存率最大化； (6) 航迹评价：多目标优化算法结束后，会得到出一个非支配解集，在航迹规划中，需 要根据任务的目的，综合考虑航迹评价指标，在多目标优化中既是各个目标，对航迹好坏的 贡献，从这个非支配解集中选择一条最优航迹；常用的航迹评价方法包括：权重法、层次分 析法、模糊推理方法和基于自组织神经网络的模糊推理方法。
2. 根据权利要求1所述的一种基于非支配排序遗传算法II的航迹规划方法，其特征在 于所述步骤（5)中采用非支配排序遗传算法II实现航迹规划算法的实现包括以下步骤： a. 初始化，设置父种群P和子种群Q的规模（个体数）为N;设置临时种群R的规模 为2N;并为它们分配内存；临时种群主要是用于合并父种群和子种群，让它们共同参与竞 争来产生下一代种群； b. 随机产生N个新个体构成父种群P，并对所有新生成的个体赋以一个表征非支配等 级（阶）的适应度，最优值为1 ;新产生的个体如果是非支配解，将其加入非支配解集； c. 使用快速非支配方法对父种群P进行非支配排序； d. 使用小生境锦标赛选择方法，不断地从P中随机选择父个体，经过交叉重组和变异 等操作，生成N个子个体，构成子种群Q;新产生的个体如果是非支配解，将其加入非支配解 集； e. 合并父种群P和子种群Q，构成重组种群R，即R=PUQ，清空P和Q; f. 对R进行非支配排序，得到排序后的种群F= (F11F2^uhFh表示种群R不同阶的 非支配最前端的种群； g. 计算每一阶的非支配最前端Fh(h= 1，2,...）的拥挤距离； h. 依次将第F1,F2,...等不同阶的非支配前端种群的子个体加入父种群P，直到将父种 群填满为止； i. 按拥挤距离的大小对父种群进行降序排列； j. 重复b，直到迭代停止或用户停止迭代，实现航迹规划算法。
3. 根据权利要求1所述的一种基于非支配排序遗传算法II的航迹规划方法，其特征在 于所述步骤（3)中航迹规划约束条件和目标函数提取包括以下步骤： 将规避三维地形约束条件转化为规避地形失败次数目标函数，如图4所示。图上部的 实线表示某三维航迹，图下部的曲线表示三维地形的轮廓，与计算"平均生存率"的方法类 似，将某三维航迹{S，Vl，v2,...VE}按距离平分为N个航迹段。认为这些等分点中的Z坐 标比实际地形的高度小的点的个数就是该三维航迹的地形避障失败次数。具体步骤如下： (1)航迹地形避障失败次数和避障成功次数初始化为0,贴地飞行总高度差初始化为 〇 ； ⑵将航迹{S，Vl，v2,...VE}按距离平分为N等份，得到N+1个等分点； (3) 计算每一个等分点处对应的地形高度。对于等分点h(\，h，Zp，采用"二维规划 空间插值方法"，求出Pj水平坐标（X」，y」）处的高度hj; (4) 依次判断每一个等分点相对于地形的位置关系，若等分点在地形的上方（\>卜)， 则避障成功，航迹贴地飞行总高度差增加dz=Zj-hj，避障成功次数加1，反之，若在下方 (Zj<hp，则避障失败，航迹地形避障失败次数加1 ; (5) 贴地飞行平均高度差=贴地飞行总高度差/地形避障成功次数。
4.根据权利要求1所述的一种基于非支配排序遗传算法II的航迹规划方法，其特征在 于所述步骤（4)中航迹表示包括以下步骤： 经过简单的转换，将二维航迹规划模型扩展为三维航迹规划模型； 三维航迹表示为{S,V1, V2, ... vn,E}; 其中S(xQ,yQ,z)Q为航迹起点，E(xn+1,yn+1,zn+1)为航迹终点，ViUi, Yi, Zi) (i= 1，2, . . .，n)为中间航迹点； 二维航迹规划方法可以适用于三维航迹规划； 航迹总长度主要由航迹点列的X坐标和y坐标的差异决定。
【专利摘要】一种基于非支配排序遗传算法II的航迹规划方法，包括以下步骤：模型类型的确定；战场环境信息获取及表示；约束条件和目标函数提取；航迹表示；航迹规划算法的实现；航迹评价。本发明提高了多目标航迹规划的能力，新的算法能够更有利于保持种群的多样性，发展和充实了航迹规划模型，模型对战场环境的描述更加科学合理。
【IPC分类】G01C21-20
【公开号】CN104729509
【申请号】CN201510132087
【发明人】张韧, 洪梅, 杨理智, 黄志松, 刘科峰
【申请人】张韧, 洪梅, 杨理智, 黄志松, 刘科峰
【公开日】2015年6月24日
【申请日】2015年3月24日