RWPSO与马尔科夫链的无人机航路规划

发布时间：2022-12-18 04:04

　　粒子群算法（PSO）是基于种群的全局搜索算法,具有原理简单,搜索稳定高效等特性,在航路规划领域被普遍运用,但是其在陷入局部最优以及收敛速度方面都存在一定的缺陷.本文针对无人机的任务权重值与生存权重值引入随机游走策略,按照一定规律改变粒子的惯性权重值,可以有效的避免上述情况发生,提升无人机在航路规划中找到最优路径的效率.另一方面,为了能够给规划的路径提供优劣性的判断标准或参考依据,需要构建适用于评估无人机飞行路径点上的生存状态概率模型,本文将随机游走粒子群算法（RWPSO）的航路规划模型与马尔科夫链生存状态随机性模型相结合,得到一个可以用来评估路径点生存概率的航路规划问题模型.仿真结果表明,基于任务权重、生存权重、任务生存权重随机游走的RWPSO算法在寻优时比PSO、量子粒子群算法（QPSO）效率更高,并成功结合马尔科夫链得到一个可以描述出无人机生存概率变化的模型.此模型框架还能够扩展应用于有辐射源、武器、电磁干扰等复杂场景中的航路与任务规划. 

【文章页数】：7 页

【文章目录】：
1 无人机航路规划问题建模
    1.1 基于PSO的航路规划模型
        1)生存代价:wS*CS(n)
        2)任务完成的代价:wP*CP(n)
        3)参考路径代价:wR*CR(n)
        4)油耗与飞行高度代价:wO*CO(n)+wH*CH(n)
    1.2 RWPSO优化算法
2 基于马尔科夫链的无人机生存概率模型
    2.1 五状态生存概率模型
    2.2 转移强度与代价函数
        2.2.1 转移强度的设定
        2.2.2 重叠区域的转移强度设定
        2.2.3 代价函数
3 试验仿真与分析
    3.1 基本参数
    3.2 仿真结果与分析
        3.2.1 基于随机游走的任务代价权重
        3.2.2 基于随机游走的生存代价权重
        3.2.3 基于随机游走的任务与生存代价权重
4 结 论


【参考文献】：
期刊论文
[1]求解背包问题的病毒协同进化粒子群算法[J]. 高芳,崔刚,吴智博,刘宏伟,杨孝宗.  哈尔滨工业大学学报. 2009(06)



本文编号：3721301