无人机航迹规划群智能优化算法综述

来源:用户上传      作者:

　　摘要：无人机航迹规划是指严格按照给定任务规划出满足具体约束条件的飞行轨迹。航迹规划的优劣直接决定任务完成与否。因此，航迹规划的进一步研究成为无人机技术研究的重点项目。文中介采用三种不同算法综述了群智能化算法以及存在的优缺点，同时，对未来无人机航迹规划群智商能优化算法的发展前景进行了展望。
　　关键词：无人机;航迹规划;群智能优化算法;综述
　　中图分类号：TP18 文献标识码：A 文章编号：1007-9416（2019）08-0126-01
　　1 常见的无人机航迹规划群智能优化算法
　　1.1 粒子群算法
　　对于鸟群来说通常在大自然中飞行，不同鸟类有自身的飞行速度和轨迹，可接收来自周边同类鸟类发来的信息，并依据信息迅速调整飞行位置和速度，在鸟群迁徙过程中会朝着。食物资源区域进行分析，在迁徙前期从一定程度上来看鸟类飞行为无目的飞行，直到发现食物源，而且适合鸟类栖息的场地时，鸟类会将此信息传递给后面的鸟，之后其他鸟类也会朝该存在食物栖息地的位置飞行，可见在鸟类飞行中会体现出群体效应，进而为做出正确优化提供依据。从这一角度上来看，通过自身经验，群体效应等进行决策优化，即分工合作，相比其他智能优化算法来说，群粒子群算法具有较强的通用性，收敛速度，快迭代，简单而且很容易实现仿真分析，但是在实际应用过程中该算法也存在很多问题。
　　1.2 蚁群算法
　　该算法是现代新衍生出来的一种进化算法，被称为是蚂蚁算法，在1992年国外研究学者首次提出智能仿真算法，该算法来源于蚂蚁觅食行为，也被认为是一种乙蚁群的群体搜索行为，在蚂蚁栖息时相互之间可通过信息激素进行信号传递，假设一只蚂蚁未提前告知何处存在食物源这种情况下，蚂蚁群中任意蚂蚁发现食物源时会及时向周边发出分泌物，将其作为传递信号，告知其他蚂蚁迅速接近食物源，经过时间积累大量蚂蚁会成群聚集在这路径上，所有蚂蚁会朝该食物。聚集，但这种情况下并不代表每次蚂蚁群在寻找食物时都会遵循这种规律，也有存在其他蚁群会按自己方式开辟路径，通过多种途径找到食物源，同时分泌性激素，长时间积累如果相比原开辟路径来说新开辟的路径较短时，将会有大批的蚂蚁根据新路径寻找到最终蚂蚁群中大多数蚂蚁也会采取短路径的方式快速找到食物源，完成蚂蚁觅食就是蚁群正反馈的一种过程，当其巢穴与食物源两者之间无任何障碍物时，路径相当于直线。在蚂蚁巢与食物源地两者之间存在一定的阻碍物时，蚂蚁会主动绕行，避开障碍物，重新找出到达食物源地的路线。蚁群算法的优点体现在，鲁棒性较好、正反馈机制，计算并行，可以与其他算法融合，然而在实际应用过程中利用与其算法也存在很多问题，具体体现为：（1）蚂蚁群算法是一种启发式仿生算法，利用目前所处位置和下一阶段的目标位置之间的距离，将其作为算法启发信息，当遇到障碍物时预先规避方面还存在很多问题。（2）蚂蚁群算法由于缺乏前期正确指导信息，导致该算法在初期使用过程中具有一定随意性其性能會随着搜索环境的扩大而变差。
　　1.3 蜂群算法
　　蜂群是具体性较强的飞行生物，从表面上来看不同蜜蜂其飞行活动比较简单，然而其构成群体后统一行为比较复杂，蜜蜂群体存在于自然界主要是由于这一原因，蜂群中每个蜜蜂之间存在较大差异，但它们都可独立完成复杂工作，包括筑巢，繁殖等，蜂群最大优势是可以根据不同情况进行角色转换，在采蜜过程中蜂群之间是在协同合作，而不是单独行动，这样能够准确、快速的找到它们所需的花蜜。而且蜂群对周围环境的不同变化适应能力也是相当强的。2005年研究学者提出人工封群算法，该算法具有一定的智能规划性，群体性和统一性，其主要来源于实际生活中蜜蜂的日常行为，通常食物源所在位置是其优化的可行解法，待采蜜蜂源解的质量是与其丰富度相对应的，即采蜜源解质量会随丰富程度的提高而变得更加丰富。例如，蜂群去某地开釆花蜜，引领蜂会将它采蜜的全部信息传递给蜂巢中等待的观察蜂，而当等待中的蜜蜂收到此信息后，会以其独特的方式选择更好的蜜源进行开采。人工蜂群算法利用蜂群中的每个单一个体，使其分工明确，各司其职，这种算法特别适用于群体复杂问题的解决。
　　2 展望
　　当前随着信息技术的发展，我们逐渐步入了信息爆炸时代，随高科技信息化的发展也逐渐延伸入现代战争中，立体、多维成现代战争标志，无人机具有重量轻、造价低、机动性能较高以及无需冒着生命危险等诸多优势，未来将会在军事战争领域中占据重要的角色。另外，随雷达技术的发展，相控阵雷达技术具有越来越广的应用性，所以导弹精准度的提升，在利用无人机进行任务执行过程中，面对更加严厉的环境，所面临的风险也会越来越大，因此，大都情况下，仅凭单个飞机很难完成任务。但是考虑到无人机执行任务时所涉及的空间较小、载重量小等一系列因素的情况下，为了更好的迎合未来信息化战争的需求，开始研究无人机的协同合作，这样可以实现冗余配置，有效的提高任务的完成率。除此之外，使用多架无人机进行分配任务飞行时能够缩短任务执行时间，提升任务执行力，因此使用多项无人机进行合作完成任务是未来无人机发展趋势。其次，针对群智能优化算法来说，随着该算法理论优化的发展，新型群智能化算法将陆续为开发出来并得到长远发展，也能够成为优化算法解决各种问题，虽然不同算法有其各自有缺点，然而在实际应用过程中还存在很多不足之处，未来对于优化算法的研究仍以混合算法为主，该算法能够继承其他算法的优势，克服缺点，获取最佳的算法性能，混合算法通常会包含三种算法混合。第一，两种算法为串行算法，第二，将两种算法并行混合。第三，将局部算法与全局算法进行混合。
　　3 结语
　　总上所述，针对无人机航迹规划中已知环境下静态航迹预测规划的已经逐渐成熟，所以目前无人机任务的复杂度，再加上外界环境存在的不确定性，在处于未知环境条件下，无人机实时行迹规划相关研究也成为了当前急需解决的重难点问题。
　　参考文献 　　[1] 雷蕾.智能優化算法在无人机航迹规划应用研究[J].舰船电子工程，2017（2）：34-37.
　　[2] 王琼，刘美万，任伟建，et al.无人机航迹规划常用算法综述[J].吉林大学学报（信息科学版），2019，37（01）：61-70.
　　[3] 熊佳新.基于滚动优化的多无人机航迹规划与协调算法研究[D].哈尔滨工业大学，2017.
　　[4] 田阔，刘旭.基于多策略SSO和改进A*算法的无人机动态航迹规划[J].电光与控制，2017（11）：35-41.
　　[5] 王红飞.基于智能控制的无人机航迹跟踪与规划研究[D].河北科技大学，2018.
　　A Survey of Intelligent Optimization Algorithms for UAV Route Planning Group
　　ZHU Li-kai，SHEN Chao-ping，SHEN Bao-guo，YANG Wen-jie
　　（Jiangsu Aviation Vocational and Technical College， Zhenjiang Jiangsu  212134）
　　
　　Abstract：UAV path planning is to plan flight trajectories that meet specific constraints strictly according to given tasks. The quality of route planning directly determines whether the task is completed or not. Therefore， further research on route planning has become a key project of UAV technology research. In this paper， three different algorithms are used to summarize the advantages and disadvantages of swarm intelligence algorithm. At the same time， the development prospect of swarm intelligence optimization algorithm for UAV path planning is prospected.
　　Key words：UAV; route planning; swarm intelligence optimization algorithm; overview
转载注明来源:https://www.xzbu.com/8/view-15057975.htm