双属性概率图优化的无人机集群协同目标搜索

发布时间：2023-04-02 19:16

　　为了提高不确定环境下无人机(unmanned aerial vehicle,UAV)对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法(improved co-evolutionary genetic algorithm,ICEGA)的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。

【文章页数】：10 页

【文章目录】：
0 引言
1 搜索环境建模
    1.1 场景描述
    1.2 双属性概率图模型
    1.3 双属性概率图更新
2 UAV状态建模与目标函数
    2.1 UAV的运动模型
    2.2 目标函数模型建立
3 协同搜索算法
    3.1 协同进化遗传算法
    3.2 ICEGA的算法步骤
4 仿真实验与分析
    4.1 实验1：单属性概率图
    4.2 双属性概率图
    4.3 新增UAV对实验的影响
    4.4 不同算法搜索效率比较
5 结论



本文编号：3779790