一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
【技术领域】
[0001] 本发明属于无人机路径确定领域，尤其是一种基于粒子萤火虫群智能优化算法的 无人机航路路径确定方法。
【背景技术】
[0002] 在现代战争复杂的环境下，无人机（Uninhabited combat air vehicle ;UCAV)有 着常规战斗机无可比拟的优势。如今，无人机已经成为精确空中武器攻击系统中的一种新 型攻击手段，其能够代替常规战斗机在复杂的战场环境下完成一系列攻击任务。无人机航 路路径规划是以实现地形跟随、地形回避和威胁回避飞行为目的的新一代低空突防技术， 无人机航路规划是任务规划系统的关键组成部分，其目标是在适当的时间内为无人机计算 出最优或次优的飞行航路，该航路能使无人机突破敌方威胁环境，并且在完成任务目标的 同时自我生存。无人机航路规划是一个高维优化问题，许多启发式算法已经用于该问题的 优化，取得了一些有意义的研究成果。如遗传算法，蚁群优化算法，蜂群算法，水滴优化算 法，进化算法等。
[0003] 迄今为止，尚未发现有研究者将萤火虫群算法应用于无人机航路路径问题 的求解。针对无人机航路路径规划问题，我们提出了 一种粒子萤火虫群优化算法 (Particle-glowworm swarm optimization algorithm ;PGS0)，PGS0 算法参照粒子群优化 算法中的个体产生机制，对萤火虫群优化算法的个体产生机制进行了改进，使得萤火虫个 体在位置更新的时不仅包含局部信息且包含全局信息。为了加快算法的收敛速度和提高其 求解精度，算法还引入了并行混合变异策略及在全局最优个体位置附近进行局部搜索的策 略，具有更优越的性能。
【发明内容】
[0004] 本发明的目的是为了解决上述问题（个体间交流信息成本，加快算法收敛速度和 提高其求解精度（由萤火虫种群的多样性导致位置移动的不确定性、无序性所造成的），更 优越性能，将粒子群优化与萤火虫群优化算法融合，设计出一种粒子萤火虫群优化算法，算 法中萤火虫个体位置更新不仅包括局部信息，也包括全局最优的信息，减少了个体间交流 信息的成本，并将粒子萤火虫群算法应用到无人机航路路径确定领域，提出一种基于粒子 萤火虫群优化的无人机航路路径确定方法，提出了并行混合变异策略及在全局最优个体位 置附近进行局部搜索的策略，加快算法的收敛速度和提高其求解精度。
[0005] 为了实现上述目的，本发明提供以下技术方案，具体步骤包括：
[0006] 步骤一：根据任务信息确定路径的起始点和目标点，并根据起始点和目标点确定 飞行区域。
[0007] 步骤二：坐标变换，以起始点为坐标原点，起始点和目标点的连线为横坐标建立新 的坐标系。
[0008] 步骤三：利用粒子萤火虫群优化算法确定无人机路径。
[0009] 步骤四：坐标反转换，得到无人机的最优路径，路径确定结束。
[0010] 本发明的有益效果在于：
[0011] 本发明基于自然界萤火虫群的生物学原理，受自然界萤火虫通过发光（荧光素） 觅食或吸引同伴求偶行为以及鸟群觅食行为的启发，模拟其行为过程建立群智能算法模 型，提出一种新颖的群智能优化算法（PGS0)，该算法减少了个体间交流信息的成本，加快 了收敛速度和提高其求解精度，可有效地用于无人机航路最优路径确定。
【附图说明】
[0012] 图1为本发明一种基于粒子萤火虫群优化算法的无人机航路路径确定方法实施 例的流程图；
[0013] 图2为本发明一种基于粒子萤火虫群优化算法的无人机航路路径确定方法实施 例中变换的新坐标系图；
[0014] 图3为本发明一种基于粒子萤火虫群优化算法的无人机航路路径确定方法实施 例中基于萤火虫群优化算法流程图；
[0015] 图4为本发明一种基于粒子萤火虫群优化算法的无人机航路路径确定方法实施 例中仿真得到的最优航路路径轨迹图。
【具体实施方式】
[0016] 下面将结合附图和实施例对本发明作进一步的详细说明：
[0017] 本发明是一种基于粒子萤火虫群优化算法的无人机航路最优路径确定方法，具体 流程如图1所示，包括以下几个步骤：
[0018] 步骤一：根据任务信息确定路径的起始点和目标点，并根据起始点和目标点确定 飞行搜索区域；
[0019] 步骤二：以起始点QUp yj为坐标原点，起始点Q(Xi, yj和目标点M(x2, y2)的连 线为横坐标X'，通过以下坐标变换公式
【主权项】
1. 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法，包括以下几个步骤： 步骤一：根据任务信息确定路径的起始点和目标点，并根据起始点和目标点确定飞行 搜索区域； 步骤二：以起始点Q(Xi,yj为坐标原点,起始点Q(Xi,yj和目标点M(x2,y2)的连线为 横坐标X'，通过以下坐标变换公式：
其中，（x，y)作为原坐标系中的点，经过变换后在新坐标系中的坐标为（x'，y'），新旧 坐标系之间的旋转角度为9 ; 将新坐标系〇x，y，的横坐标X'分为D等分，在相应的节点上作垂线，得到相应纵坐标Y' 上的坐标，按顺序连接这些点，得到初始的飞行路径； 步骤三：利用粒子萤火虫群优化算法优化无人机路径，其包括以下步骤： 3.1参数初始化：对表示萤火虫个数的种群规模n,表示空间的问题维数m,表示萤火 虫的进化代数G，萤火虫的初始荧光素值L，萤火虫的视觉范围即决策域r(l，萤火虫的初始 移动步长st，高斯分布变异的方差〇参数初始化； 3. 2在新坐标系下，将其横坐标划分为D等分； 3. 3部署萤火虫种群分布：假设每个萤火虫个体飞行的轨迹对应一条候选路径； 3. 4确定目标函数 minj=kjt+(l-k)Jf (3) 计算萤火虫个体对应航路的威胁代价值，wt表示航路上各点的威胁代价；wf表示各点 的油耗代价，是航路长度的函数（实验中，wf恒为1;ke[0, 1]表示安全性能与燃油性能的 权衡系数，其值可根据无人机所执行的任务而定，如果任务重视飞行的安全性，则k选择较 大的值，如果任务需要飞机的快速性，则k选择较小的值，其中威胁代价最小性能指标为：
其中L为航路的长路， 油耗代价最小性能指标为
其中L为航路的长路， 3. 4. 1定义威胁总代价：当无人机沿路径Lu飞行时Nt个