基于遗传算法和深度强化学习的多无人机协同区域监视的航路规划

发布时间：2024-01-20 17:37

　　随着无人机技术的不断发展和广泛应用,使得其在军事和民用领域都起着不可替代的作用。在各种任务中,区域监视是未来战场上无人机系统将要承担的一项非常重要的任务。当需要监视的区域较为广阔时,仅靠单架无人机很难完成对整个目标区域的监视任务,往往需要多架无人机通过合理的航路规划来协同工作。然而到目前为止,多无人机协同区域监视的航路规划尚未得到很好的解决。本文基于遗传算法和深度强化学习提出多无人机协同区域监视的两种航路规划方法,可以实时的对协同工作的多无人机航路进行动态规划与调整,获得一段时间内的较优覆盖效果。本文的主要工作如下:1.本文建立了一种多无人机协同区域监视的航路规划模型。该模型考虑了无人机群在目标区域进行监视飞行时,对应的航路没有固定的目的地的特点,在无人机的飞行约束条件下,确定了无人机在下一时刻的可飞行位置。2.本文提出了一种基于遗传算法的多无人机协同区域监视的航路规划方法。通过对无人机的转弯角进行基因编码,将多架无人机的监视面积覆盖率作为适应度函数,并进行相应的遗传操作,依据无人机群监视面积覆盖率最大原则,对多无人机协同区域监视进行航路规划。通过将转弯角进行编码保证了无论进行交叉操作...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文的主要工作
第二章 算法理论与数学建模
    2.1 遗传算法理论
        2.1.1 遗传算法描述
        2.1.2 遗传算法核心步骤
    2.2 深度强化学习理论
        2.2.1 强化学习
        2.2.2 深度学习
        2.2.3 深度强化学习
    2.3 航路规划数学建模
        2.3.1 设置航路规划问题的仿真参数
        2.3.2 无人机飞行时的转弯约束
        2.3.3 确定无人机下一时刻的可行位置
    2.4 本章小结
第三章 基于遗传算法的多无人机协同区域监视的航路规划
    3.1 引言
    3.2 基于遗传算法的多无人机航路规划方法
        3.2.1 基因编码
        3.2.2 初始化种群
        3.2.3 适应度函数
        3.2.4 个体选择机制
        3.2.5 交叉与变异操作
        3.2.6 仿真实验
    3.3 基于遗传算法的多无人机航路规划方法的改进
        3.3.1 远视
        3.3.2 多步
    3.4 仿真实验及分析
        3.4.1 仿真实验一
        3.4.2 仿真实验二
    3.5 本章小结
第四章 基于深度强化学习的多无人机协同区域监视的航路规划
    4.1 引言
    4.2 基于深度强化学习的多无人机航路规划方法
        4.2.1 确定无人机的状态与动作
        4.2.2 确定奖赏函数
        4.2.3 建立神经网络
        4.2.4 训练神经网络
        4.2.5 仿真实验
    4.3 基于深度强化学习的多无人机航路规划方法的改进
        4.3.1 Q-learning算法
        4.3.2 建立Q目标神经网络
        4.3.3 基于DQN的多无人机航路规划
    4.4 仿真实验及分析
        4.4.1 仿真实验一
        4.4.2 仿真实验二
        4.4.3 与遗传算法的航路规划比较分析
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
作者简介



本文编号：3881265