一种基于改进蚁群算法的无人机三维路径规划方法

技术领域

本发明涉及无人机三维路径规划技术领域，具体涉及一种基于改进蚁群算法的无人机三维路径规划方法。

背景技术

随着无人机技术的不断发展，无人机路径规划已然成为无人机研究领域的重要组成部分。无人机路径规划是指在目标区域规划出一条从起始节点快速、安全到达目标点的最优路径。常见的路径规划算法分为经典算法和智能仿生算法。经典算法有A*算法、人工势场法和快速搜索随机树算法，智能优化算法有传统的蚁群算法、遗传算法、粒子群算法等。其中，蚁群算法作为一种基于种群的概率选择算法，与其他启发式算法相比，在求解性能上具有很强的鲁棒性和搜索能力，且易于与其他启发式算法相结合，所以蚁群算法在路径规划领域中得到了广泛的应用。但蚁群算法也包含了一些缺点，例如收敛速度慢，容易陷入局部最优解等。

发明内容

发明目的：本发明的目的在于，通过在传统蚁群算法的启发函数中加入距离偏离因子，引导无人机向目标点进行寻优；其次，对状态转移函数中信息素权重因子

技术方案：本发明提供一种基于改进蚁群算法的无人机三维路径规划方法，具体包括以下步骤：

(1)：应用栅格法对地图环境进行建模，设定好起始点和目标点的位置；

(2)：初始化改进蚁群路径规划方法参数；

(3)：根据无人机的当前位置，结合容许的飞行区域，计算蚂蚁当前位置下可通行的节点，并计算这些节点的状态转移概率以及对应的启发函数值；

(4)：通过轮盘赌法选择下一个节点并移动；

(5)：当前节点为无人机飞行目标点，且当前蚂蚁序号等于蚂蚁种群个数时，将每个节点上的信息素按照改进后的信息素更新方式进行全局信息素更新；

(6)：达到最大迭代次数，迭代停止，获得无人机的三维最优路径。

进一步地，所述步骤（1）实现过程如下：

无人机三维坐标的表示方式为（X，Y，H），横坐标X及纵坐标Y按照0~100的顺序取值，设置起始点和目标点的X、Y、H坐标；其中，横坐标X、纵坐标Y的单位是千米，取值范围为0~100千米，高度H的单位是米，范围是0~150米；

设置蚂蚁横向、纵向的最大变动量，形成一个无人机容许移动的立体区域，在这个区域内可以按照左右、上下移动，得到新的点。

进一步地，所述步骤（2）实现过程如下：

在初始化改进蚁群路径规划方法参数的过程中，相应参数包括蚂蚁数量

进一步地，所述步骤（3）实现过程如下：

首先，根据当前节点的信息素和状态转移概率搜索下一个将要到达的节点，状态转移概率公式为：

（1）

其中，

(2)

其中，

公式（1）中

(3)

其中，

(4)

其中，

进一步地，所述步骤（4）实现过程如下：

根据公式（1）计算出所有下一可行节点的状态转移概率，并通过轮盘赌法选择出下一可行节点，并移动到该点。

进一步地，所述步骤（5）实现过程如下：

在蚂蚁系统中，改进后的信息素全局更新公式为：

(5)

其中，

(6)

其中，

公式（5）中，

(7)

公式（7）中，

(8)

其中

有益效果：与现有技术相比，本发明的有益效果：本发明通过在传统蚁群算法的启发函数中加入距离偏离因子，引导无人机向目标点进行寻优；其次，对状态转移函数中信息素权重因子

附图说明

图1为改进蚁群算法的流程图；

图2为本发明中改进蚁群算法的最优路径；

图3为本发明中改进蚁群算法的最佳个体适应度变化趋势；

图4为传统蚁群算法的最优路径；

图5为传统蚁群算法的最佳个体适应度变化趋势。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本发明提供一种基于改进蚁群算法的无人机三维路径规划方法，如图1所示，包括以下步骤：

步骤1：应用栅格法对地图环境进行建模，设定好起始点和目标点的位置；

无人机三维坐标的表示方式为（X，Y，H），横坐标X及纵坐标Y按照0~100的顺序取值，设置起始点和目标点的X、Y、H坐标；其中，横坐标X、纵坐标Y的单位是千米，取值范围为0~100千米，高度H的单位是米，范围是0~150米；

设置蚂蚁横向、纵向的最大变动量，形成一个无人机容许移动的立体区域，在这个区域内可以按照左右、上下移动，得到新的点。

步骤2：初始化改进蚁群路径规划方法参数；

在初始化改进蚁群路径规划方法参数的过程中，相应参数包括蚂蚁数量

步骤3：根据无人机的当前位置，结合容许的飞行区域，计算蚂蚁当前位置下可通行的节点，并计算这些节点的状态转移概率以及对应的启发函数值；

首先，根据当前节点的信息素和状态转移概率搜索下一个将要到达的节点，状态转移概率公式为：

（1）

其中，

(2)

其中，

公式（1）中

(3)

其中，

(4)

其中，

步骤4：通过轮盘赌法选择下一个节点并移动；

根据公式（1）计算出所有下一可行节点的状态转移概率，并通过轮盘赌法选择出下一可行节点，并移动到该点。

步骤5：当前节点为无人机飞行目标点，且当前蚂蚁序号等于蚂蚁种群个数时，将每个节点上的信息素按照改进后的信息素更新方式进行全局信息素更新；

在蚂蚁系统中，改进后的信息素全局更新公式为：

(5)

其中，

(6)

其中，

公式（5）中，

（7）

公式（7）中

（8）

其中

步骤6：达到最大迭代次数，迭代停止，获得无人机的三维最优路径。

为验证本发明的正确性和有效性，本文在AMD R7-5800H CPU 3.20GHz的Window11操作系统下用Matlab 2021仿真软件对传统蚁群算法和改进蚁群算法进行了仿真对比。算法各参数设定如下：蚂蚁数量

本发明所提出的改进蚁群算法和传统蚁群算法在三维环境模型中仿真结果的最佳路径如图2和图4所示，最佳适应度变化趋势如图3和图5所示。分析对比仿真结果数据可以看出，传统蚁群算法所得最优路径长度为233.9，且路径转弯次数较多，路径节点分布较为分散，收敛速度较慢，而本发明所提改进算法所得路径长度为202.9，且路径转弯次更少，路径平滑度更好，同时收敛速度更快。因此改进后的蚁群算法所得路径更贴近实际路径，符合无人机在三维环境中的路径规划的实际需求。将传统蚁群算法与改进蚁群算法的规划结果以表格的形式进行对比，如表1所示：

表1本发明与传统蚁群算法对比

通过对比仿真可以得出结论：本发明所提出的改进蚁群算法能有效提高算法的收敛速度，且寻优效果相较于传统蚁群算法更好。