基于两种优化算法的无人机路径规划方法与流程

1.本发明涉及路径搜索引导技术领域，具体是一种基于两种优化算法的无人机路径规划方法。


背景技术：

2.无人驾驶飞行器（uavs）被越来越广泛的运用在军事和民用环境中执行关键任务，因为它们可以在危险条件或极端天气下执行任务。运动的飞行器和车辆等都具有高速的动力学特性，为了满足规划的低复杂度需求,在执行任务时所需要进行的最重要工作就是实现具有可执行性和低计算复杂度的路径规划。航迹规划是无人机领域的关键技术之一，其核心是航迹规划算法。对于典型的航 迹规划问题是指无人机规划出从起点至终点的一条安全、无碰撞、平滑的运动路径， 并使该路径达到时间最短。由于无人机航行过程中存在着环境多变性、动态威胁时变 性等诸多外界因素影响，无人机操作执行任务难度和危险度也随之提升。
3.目前学术界和工业界也已经有了许多不同的路径规划算法，例如 a
*
(a-star) 算法，快速搜索树(rapidly-exploring random tree, rrt)算法等图和采样的算法以 及蚁群算法，粒子群算法等智能优化算法还有近几年兴起的深度学习和强化学习算法。但随着问题复杂程度和影响条件难度增加，这些算法收敛精度低、计算量大、易 陷入局部最优等局限性需要得到一定程度的优化和解决，涌现出诸多改进型方法模型 和混合型算法，这些算法不仅提高了单一算法的可解释性，并且较原始算法有一定性能提升。天牛须搜索算法（bas）是一种新提出的寻优算法，具有强大的局部寻优能力，基于无人机的实际工作空间考虑，我们需要算法具备以下几种特性:可应用于未知环境，可应用于动态环境，实时性高，路径长度理想。因此我们选用智能优化算法，智能优化算法的迭代优化过程保证其最后获得的路径长度较为理想，且通过约束迭代次数和终止条件可以保证较好的实时性，适用于求解无人机路径规划问题。


技术实现要素：

4.本发明为了解决现有技术的问题，提供了一种基于两种优化算法的无人机路径规划方法，可以有效简化初始路径，增强了算法的搜索效率，提高了最优路径的质量，实现在全局环境下的路径规划。
5.本发明能提供了一种基于两种优化算法的无人机路径规划方法，其特征在于包括以下步骤：步骤1：初始化，根据目标无人机确认路径规划的起点和终点；步骤2：根据航行环境、航行任务信息、天牛位置和预设天牛模型，通过优化算法生成初始路径l，更新天牛初始位置信息；采取贪心策略对高复杂度图g（v,e）求解问题进行简化，确定了最大搜索半径对下一节点进行筛选作为备选节点，并对备选点进行剪枝操作，得到备选校正点；
步骤3：将初始路径l中位置信息随机生成；步骤4：根据优化策略选择满足条件的位置信息，根据设定的自适应系数更改气味浓度，选择合适的校正点；步骤5：判断步骤4得到更新路径是否能达到终点;如果达到终点，则输出路径l1，并至步骤6；如果未能达到终点，则返回至步骤4；步骤6：输出算法路径规划l1中得到的最短路径。
6.进一步改进，步骤2所述的利用贪心策略进行简化和剪枝方法如下：步骤2.1：选择当前矫正点；设飞行器路径ｌ上的第ｉ点为水平校正点，此时ｓ
ｃ
＝ｋ，ｓ
ｓ
＝０；步骤２.2：选择下一矫正点；若第ｉ＋１点若第ｉ＋１点为水平校正点，则下一校正点的选择范围为：min(β
1-sc，β2ꢀ‑ss
），即 min(β
１-k，β2)；若第ｉ＋１点为垂直校正点，则下一校正点的选择范围为：min｛α
1-k，α2｝。
7.所述第ｉ＋１点的选择范围如式为max｛min(β
１-k，β2)，min(α
1-k，α2)｝ 。
8.所述贪心策略简化的贪心a
*
算法，a
*
算法价函数如式：f(n)=g(n)+h(n)式中：f(n)为至当前节点n的代价总和；g(n)为航迹起点到该节点的实际代价；h(n)为该节点到航迹终点的预估代价。
9.进一步改进，所述步骤3中对步骤2中备选校正点，使用a
*
算法快速得到路径规划问题的初始路径。
10.进一步改进，所述步骤4中改进的天牛须搜索算法包括以下步骤：bas 算法基于目标函数的维数随机生成一个d 维的方向向量b：b=rands(d,1)/‖rands(d,1)‖
2 ,其中，rands函数为随机函数具体地，作为一个实施例，预设的天牛模型包括：x
l
=x
t
+d
·
bxr=x
t-d
·
bx
t+1
=x
t
+δ
t
bsign(f(xr)-f(x
l
))其中，x
l
为天牛的左须空间坐标，xr为天牛的右须空间坐标，t为算法循环次数，x
t+1
为迭代模型中天牛的下一步移动位置，d为两须距离，b为单位向量，表示天牛在空间中的朝向，取右须指向左须的方向为天牛的朝向,δ
t
是第 t 次迭代时的步长，为了增强算法的全局寻优能力，δ
t
会随迭代次数增加乘上一个步长衰减率，更新方式如式 ：δ
t
=ξδ
t-1
sign函数用来确定天牛之后的搜索方向，所述sign函数包括-1、0、1三个值，对应为左向、右向和不动三个策略，根据步骤4中的f(xr)-f(x
l
)的值计算sign函数得到。
11.本发明有益效果在于：1、将天牛须搜索算法与a
*
算法相融合，可以规避a
*
算法的固有缺陷，适用于求解无人机集群任务分配问题。
12.2、为解决a
*
算法推广至三维中求解困难的问题，采用贪心策略将备选节点进行剪枝操作，缩小校正点搜索范围。
13.3、通过不断更新路径上信息素浓度，确定路径方向，再定义一个自适应度对信息
素更改，更新无人机路径，直至选择最优路径。能够有效的使其跳出局部最优的陷阱，最后将每次迭代的位置连接得到最终的最短路径，能够使其在最大限度上找到最优的路径，实现在全局环境下的路径规划4、可以有效简化初始路径，增强了算法的搜索效率，提高了最优路径的质量，实现在全局环境下的路径规划。
附图说明
14.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
15.图1为基于两种优化算法的无人机路径规划方法的流程示意图。
具体实施方式
16.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，所描述的实施例仅仅是本发明一部分实施例，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前提下所获得的所有其它实施例，都属于本发明保护的范围。
17.本发明涉及一种基于两种优化算法的无人机路径规划方法，所述方法包括以下步骤。
18.步骤1：初始化，根据目标无人机确认路径规划的起点和终点；步骤2：根据航行环境、航行任务信息、天牛位置和预设天牛模型，通过优化算法生成初始路径l，更新天牛初始位置信息；所述步骤2中，采取贪心策略对高复杂度图g（v,e）求解问题进行简化，基于贪心策略对备选点进行剪枝操作，具体需要两个步骤：步骤2.1：选择当前矫正点；设飞行器路径ｌ上的第ｉ点为水平校正点，此时ｓ
ｃ
＝ｋ，ｓ
ｓ
＝０；步骤２.2：选择下一矫正点；若第ｉ＋１点若第ｉ＋１点为水平校正点，则下一校正点的选择范围为：min(β
1-sc，β2ꢀ‑ss
），即 min(β
１-k，β2)；若第ｉ＋１点为垂直校正点，则下一校正点的选择范围为：min｛α
1-k，α2｝。
19.所述第ｉ＋１点的选择范围如式为max｛min(β
１-k，β2)，min(α
1-k，α2)｝ 。
20.贪心策略要求每一步能尽量选择更多的点，因此第ｉ＋１点的选择范围如式：max｛min(β
１-k，β2)，min(α
1-k，α2)｝第ｉ点为垂直校正点时处理方式相同。
21.所述步骤2中通过简化的贪心a
*
算法，缩小了校正点范围。a
* 算法价函数如式：f(n)=g(n)+h(n)式中：f(n)为至当前节点n的代价总和；g(n)为航迹起点到该节点的实际代价；h(n)为该节点到航迹终点的预估代价。
22.本发明中，步骤2确定了最大搜索半径对下一节点进行筛选作为备选节点。将下一
节点定为当前备选节点中上式代价最小的节点；根据贪心策略由第ｉ＋１点的选择范围决定备选点的最大搜索半径，并对备选点进行剪枝操作，得到备选校正点，极大的缩小了矫正点的选择范围。
23.步骤3：将初始路径l中位置信息随机生成；所述步骤3中对步骤2中备选校正点，使用a
*
算法快速得到路径规划问题的初始路径。
24.步骤4：根据优化策略选择满足条件的位置信息，根据设定的自适应系数更改气味浓度，选择合适的校正点。
25.天牛移动的依据主要是根据天牛左右两须的气味浓度，哪一侧气味浓度高，则向该侧移动一定的步长。在路径规划中，下一步的位置主要是根据与目标点和障碍物边界的距离来进行判定，若天牛左须方向离终点更近且离障碍物边界最远，则相当于天牛左须的气味浓度大，则下一步天牛向左须方向移动一定的步长，因此将避障行为和目标搜索行为组合成一个适应度函数来计算天牛两须的气味浓度。
26.所述步骤4中改进的天牛须搜索算法包括以下步骤：具体地,bas 算法会基于目标函数的维数随机生成一个 d 维的方向向量b:b=rands(d,1)/‖rands(d,1)‖
2 ,其中，rands函数为随机函数具体地，作为一个实施例，预设的天牛模型包括：x
l
=x
t
+d
·
bxr=x
t-d
·
bx
t+1
=x
t
+δ
t
bsign(f(xr)-f(x
l
))其中，x
l
为天牛的左须空间坐标，xr为天牛的右须空间坐标，t为算法循环次数，x
t+1
为迭代模型中天牛的下一步移动位置，d为两须距离，b为单位向量，表示天牛在空间中的朝向，取右须指向左须的方向为天牛的朝向,δ
t
是第 t 次迭代时的步长，为了增强算法的全局寻优能力，δ
t
会随迭代次数增加乘上一个步长衰减率，更新方式如式 ：δ
t
=ξδ
t-1
sign函数用来确定天牛之后的搜索方向，所述sign函数包括-1、0、1三个值，对应为左向、右向和不动三个策略，可以根据步骤4中的f(xr)-f(x
l
)的值计算sign函数得到。
27.步骤5：判断步骤4得到更新路径是否能达到终点；如果达到终点，则输出路径l1，并至步骤6；如果未能达到终点，则返回至步骤4；步骤6：输出算法路径规划l1中得到的最短路径。
28.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，以上所述仅是本发明的优选实施方式，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，对于本技术领域的普通技术人员来说，可轻易想到的变化或替换，在不脱离本发明原理的前提下，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。