基于蚁群算法的无人机作战规划

发布时间：2020-06-28 06:22

【摘要】：随着战争形式变化发展和武器装备体系完善,多无人机协同执行任务成为现代战争的基本要求和未来发展趋势。其中,无人机航迹规划和协同任务分配是实现无人机应用于军事作战的两个必不可少的条件,传统的航迹规划和任务分配操作推进缓慢且难以满足战斗需求,想要高效地将无人机应用于军事战斗中还有许多困难需要克服,因此有必要对其进行研究和改进。本文的研究无人机群从我方基地起飞后,在自身燃油的限制情况下,如何能够在最短的航程内完成对战场环境内各可疑目标点的侦查、情报收集,通过情报数据,规划出对我方最有利的任务分配方案。蚁群算法在求解组合最优问题上能够在较短时间内得到令人满意的解,更适用于瞬息万变的对抗环境,同时也存在一些不足,据此,本文做了以下几点工作:(1)在军用无人机侦查航迹规划中,针对蚁群算法容易陷入局部最优的不足,对挥发系数作自适应调整,兼顾算法前期搜索范围和后期收敛速度,并且为避免早熟和加速收敛,在迭代最优路径中加入局部搜索策略。(2)在规划无人机航迹问题上,创新性地运用了双蚁群思想,两组蚂蚁并行独立求解,每组蚂蚁分别利用另一组蚁群在路径上释放的信息素进行优化,保证了蚂蚁搜索路径的质量。(3)在解决军用无人机任务分配问题中,为使打击任务更有针对性,基于传统蚁群算法对启发函数进行重新定义,将战术目标价值与启发信息相结合,引导蚂蚁向战术价值高的点进行转移,提高我方战场优势。结合战场实际,考虑武器打击命中率,对没有打击成功的目标可以实施再次打击,使研究更具有实战意义。(4)利用蚂蚁组同时对路径进行搜索共同构造解的方式来提高算法时效性,设立公共禁忌表,达到无人机群协同目的,通过更改信息素更新方式和选择策略,降低初始几代蚂蚁对后续蚂蚁的影响,并在蚂蚁的选取上增加随机性,增强蚂蚁对未知路径的探索能力。本文对数据集solomon eil30进行测试求解,通过与文献算法进行实验对比和结果分析,本文改进后算法在无人机航迹规划中能保证获得最短航路,任务分配上更加合理、贴近实战要求,证明了改进后算法在多无人机作战规划问题中的可行性和有效性。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;E91;E926.3
【图文】：

示意图,蚂蚁,探索实验,路径

为研究蚂蚁搜索方式，科学家们做了很多探索性实验，其中最有代表性的为双桥实验[36]。在第一个实验中，将两条桥上的长度设为相同值。实验初始状态下，两条桥上都没有蚂蚁走过，桥上的信息素值都为零。此时，两条桥被蚂蚁选择概率各占一半，随着时间的流逝，由于随机波动的出现，导致其中的一些蚂蚁偶然性地选择其中的一条桥，却使该桥上的信息素增多，最终使大多数蚂蚁集中在这条桥上。在第二个实验中，两条分支路径长度发生变化，初始时，桥上的信息素为零，但是路径短的蚂蚁先获取食物并开始返回，返回时受到信息素的作用影响，使大多数蚂蚁都不再对长桥进行选择。在实验二中，随机波动带来的影响没有实验一那么大，蚂蚁主要还是受到信息素正反馈作用。图 2-1 为实验二时蚂蚁对路径进行探索的情况示意图，3个子图分别为初始状态下、探索过程中、以及探索趋于稳定阶段时各路径上蚂蚁情况，从图中我们可以看到，在稳定阶段，虽然大多数的蚂蚁都聚集在了较短的路径上，但是仍有小部分蚂蚁在另一条路径上，力图寻求新的更短路径。

对比图,路径优化,对比图,蚁群

a) 改进前 b) 改进后图 3-1 路径优化对比图本章改进后的算法在蚁群全局搜索策略基础上添加局部搜索策略 2-opt，为了时效，只选择迭代最优解上的两条边顺序进行交换调整，最后得到满足条件的双蚁群思想：Gambardella 文中运用交互蚁群方式求解多目标问题，给航迹规新的研究思路[44]。使用两个相互独立的蚁群 A 和蚁群 B 并行进行求解，各自释放信息素，但两个种群互不影响干涉，A 群蚂蚁释放信息素并不影响 B 群蚂的选择，同样地，B 群蚂蚁释放的信息素也不影响 A 群蚂蚁的转移。当经过一次数 Num 后，若 A 群或 B 群上的蚂蚁还未探知到更优路径，则按照公式(3-13群的信息素进行综合，改变仍未得到改善的蚁群路径 ij 上的信息素值，提高其解的可能性。A B( , )+ ( , )i j i j

【参考文献】