基于改进蚁群算法的多无人机航路规划研究

基于改进混沌蚁群算法的无人机航路规划
刘蓉;杨帆;张衡
【期刊名称】《指挥信息系统与技术》
【年(卷),期】2018(009)006
【摘要】针对蚁群算法在无人机航路规划中易出现局部极值、收敛效率低的缺陷,设计了一种基于改进混沌蚁群算法的无人机航路规划方法。

该方法利用混沌优化机制初始化蚁群的信息素,采用变尺度混沌局部再搜索机制和信息素挥发因子的自适应更新策略,增强了算法的全局寻优能力和搜索效率,并在启发函数中添加目标指标,增强其搜索方向性。

仿真结果表明,该方法与基于蚁群算法的航路规划方法相比,在规划航路时能跳出局部最优解,且收敛速度显著提高,更好地实现了航路优化。

【总页数】8页(P41-48)
【作者】刘蓉;杨帆;张衡
【作者单位】[1]南京航空航天大学无人机研究院,南京210016;[2]江苏航空职业技术学院航空工程学院,江苏镇江212134;[3]南京航空航天大学自动化学院,南京210016
【正文语种】中文
【中图分类】V249
【相关文献】
1.基于改进遗传蚁群算法的无人机航路规划 [J], 姚永杰;席庆彪;刘慧霞
2.基于改进蚁群算法的多无人机航路规划研究 [J], 孟祥恒;王社伟;陶军
3.基于改进蚁群算法的无人机动态航路规划 [J], 林娜;刘二超
4.基于改进混沌蚁群算法的无人机航路规划 [J], 刘蓉;杨帆;张衡
5.基于改进蚁群算法的无人机航路规划软件开发 [J], 杨帆;沈宝国
因版权原因，仅展示原文概要，查看原文内容请购买。

基于蚁群算法的无人机航线规划技术研究无人机技术的快速发展，为航空监测、农业、森林灾害预防等领域提供了新的技术手段。

与传统有人驾驶的飞行器不同，无人机不需要驾驶员操控，在高风险、高危环境下作业更为安全，并且操作更加灵活。

然而，无人机的航线规划技术是无人机实际应用当中必不可少的一个环节。

本文主要介绍了利用蚁群算法优化无人机航线规划的研究现状及未来发展方向。

一、无人机航线规划技术研究的现状无人机航线规划技术是指无人机执行任务时，通过规划无人机的飞行路线，使得无人机能够在预定时间内完成任务。

在无人机的飞行路线规划中，需要考虑多种因素，如起始点、终止点、路径限制、空间复杂度等。

当前，基于蚁群算法的无人机航线规划技术已经得到了广泛的应用。

蚁群算法源于自然界中蚂蚁的行为模式，这种算法模拟了蚂蚁在寻找食物时的行为，通过蚂蚁寻找最短路径的探索和信息传递的方式来解决问题。

在无人机航线规划中，蚁群算法通过模拟蚂蚁寻找食物的过程，从而寻找最优航线。

当前，国内外相关研究机构和企业对无人机航线规划技术的研究取得了一定的进展。

例如，普渡大学计算机科学系利用改进的蚁群算法设计了一个自适应无人机航线规划算法，该算法结合了图像处理和权重排序技术，可以应对无人机任务规模的变化。

L.A. Ismagilova等人利用蚁群算法开发了一种基于GIS环境的最短路线规划算法，可以为农业生产提供航线优化指导。

黄国祥等人则发挥了蚂蚁在搜索和探索中的优势，应用蚁群算法实现无人机航线规划，并与传统的无人机航线规划方法进行比较，结果表明采用蚁群算法的无人机航线规划更加优化。

二、蚁群算法在无人机航线规划技术中的应用蚁群算法在无人机航线规划中的应用，主要包括两个方面，即通过蚁群算法设计优化模型，以及利用蚁群算法进行算法仿真。

1. 通过蚁群算法设计优化模型基于蚁群算法的无人机航线规划技术需要建立相应的优化模型。

首先，需要将实际问题抽象成数学模型；然后，针对这个数学模型，构建适合于蚁群算法的搜索空间；最后，引入蚁群算法进行优化问题的求解。

基于改进蚁群算法的路径规划优化方法研究近年来，随着人工智能技术的不断发展，路径规划优化成为了一个备受关注的研究领域。

在实际生产与生活中，很多问题都需要最优的路径规划方法来解决。

而蚁群算法，作为一种优化搜索算法，已被广泛应用在路径规划领域中。

然而，传统的蚁群算法存在着某些缺陷，如易陷入局部最优等问题。

因此，基于改进蚁群算法的路径规划优化方法研究具有重要意义。

第一部分：蚁群算法原理及其应用蚁群算法是一种模拟蚁群觅食行为的人工智能算法。

蚂蚁寻找食物的过程类比为信息素分布和发现的过程。

在此过程中，蚂蚁在多次探测后，通过信息素的积累和挥发调整自身行为，最终找到最短路径。

蚁群算法的应用十分广泛，不仅可用于路径规划领域，还可以用于图像分割、物流调度、模式识别等领域。

而在路径规划领域中，蚁群算法可以有效地解决复杂的路径规划问题，特别是对于多目标优化问题，蚁群算法在贴近实际的应用中取得了良好的效果。

第二部分：蚁群算法的缺陷及其改进然而，传统的蚁群算法存在着一些缺陷，其中较为突出的是易陷入局部最优。

由于信息素的积累需要长时间的迭代更新，这个过程相当于一种漫无目的的搜索过程，容易被那些信息素较强的路径所吸引。

为了解决这个问题，研究人员提出了多种改进蚁群算法的方案。

例如，采用局部搜索策略或全局搜索策略、降低信息素挥发率等。

注重信息素挥发率的调节，可以使得信息素积累的路径更具有全局性。

这些改进方案都能够有效地提高算法的搜索能力，使得算法较少陷入局部最优，从而找寻出更优的路径。

第三部分：改进蚁群算法在路径规划中的应用基于改进蚁群算法的路径规划优化方法在实际应用中也得到了广泛的应用。

通过对多种路径规划算法进行对比实验，研究人员发现，相较于其他算法，改进的蚁群算法在搜索能力、路径质量等方面均表现出了优越的性能。

例如，在智能物流领域，改进蚁群算法被应用于物流路径优化。

该算法结合了蚁群算法的搜索能力和改进方案，有效地提高了物流路径的准确度和路程质量。

第38卷第5期计算机仿真2021年5月文章编号：1006 -9348(2021)05 -0278 -04基于改进蚁群算法的机器人路径规划研究姜伟楠，杨理柱，李秀华，侯阿临*(长春工业大学计算机科学与工程学院，吉林长春130012)摘要:机器人自主移动导航是近年来研究的热点。

针对蚁群优化（A C O)算法存在收敛速度慢以及易陷入局部最优的问题，提出了一种改进的A C O算法来解决机器人路径规划问题。

上述算法将改进的人工势场（A P F)算法和蚁群算法相结合，采 用改进A P F算法进行初始地图规划，减少了 A C O算法初始规划的盲目性。

算法利用A*算法的评估函数以及路径转折角度来改进启发函数，引入启发信息递增函数，免于局部最优的同时保证收敛速度。

改进算法的信息素更新机制和路径评价函数，提高了算法的全局最优性，使得到的路径更符合实际需求。

通过改进该算法的信息素更新机制和路径评价函数，提高 了算法的全局最优性，得到的路径更符合实际需求。

仿真结果表明，改进算法能提升收敛速度和最优解。

关键词:路径规划;蚁群优化算法;人工势场算法;启发式函数中图分类号:T P391.9文献标识码：BMobile Robot Path Planning Based onImproved Ant Colony AlgorithmJIANG Wei - nan，YANG Li - zhu，LI Xiu - hua，HOU A - lin *(Schcx)l of C o m p u t e r S c i e n c e a n d Engineering, C h a n g c h u n University of T e c h n o l o g y,C h a n g c h u n Jilin 130012,C h i n a)A B S T R A C T：A u t o n o m o u s m o b i l e navigation of robots has b e e n a hot research topic in recent years. F o r the p r o b l e mthat the ant c o l o n y optimization ( A C O) algorithm h a s slow c o n v e r g e n c e s p e e d a n d e a s y to b e trapped into local opti­m u m in p ath p l a n n i n g t a n i m p r o v e d A C O algorithm w a s p r o p o s e d to solve the p r o b l e m of robot pat h plann i n g b y c o m­bining a n i m p r o v e d artificial potential field (A P F)algorithm a n d the A C O algorithm. T h e i m p r o v e d A P F algorithm w a s u s e d to p lan the initial m a p,w h i c h r e d u c e d the blindness of the A C O algorithm. B y using the evaluation function of the A*algorithm a n d p at h turning an g l e to i m p r o v e the heuristic f u n c t i o n,a n d introducing the increasing function of heuristic i n f o r m a t i o n,the p r o p o s e d algorithm a v o i d e d the local optimization a n d e n s u r e d the c o n v e r g e n c e rate of the algorithm. B y i m p r o v i n g the p h e r o m o n e u p d a t i n g m e c h a n i s m a n d pat h evaluation function of the a lgo r i t h m,the global optimality of the algorithm w a s i ncreased a n d the obtained pat h w a s m o r e consistent with the actual requirements. M o­reover ,the i m p r o v e d state transition rule w o u l d adaptively c h a n g e the selection probability to select the state transi­tion f u n c t i o n,increase the diversity of solutions a n d e n h a n c e the efficiency of the a l g o r i t h m,so that the optimal solu­tion w o u l d b e f o u n d m o r e quickly. Si m u l a t i o n results s h o w that the p r o p o s e d algorithm c a n i m p r o v e the c o n v e r g e n c e s p e e d a n d the optimal solution.基金项目：教育部国际合作科研项目（Z2011138);国家留学基金(201308220163);国家自然科学基金（61303132);国家自然基金委青年基金项目（61806024);吉林省教育厅“十三五”科学技术研究项目(J J K H20181041K J);吉林省高等教育学会高教科研重点课题(J G J X2017B13);吉林省教育科学“十三五”规划课题（G H170222);吉林省科技厅自然科学基金项目（20101523)收稿日期:2019 -07 - 11 修回日期:2019 -09 -25K E Y W O R D S：P a t h p l a n n i n g；A n t colo n y optimization a l g o r i t h m；Artificial potential field a l g o r i t h m；Heuristic f u n c­tioni引言近年来，自主移动机器人在工业、农业、医药、航天等领 域发挥了重要作用,具有广阔的应用前景。

基于改进蚁群算法的动态航路规划研究基于改进蚁群算法的动态航路规划研究摘要：航路规划在航空交通管理中起着至关重要的作用。

随着航空业的不断发展，航空交通流量不断增加，航路规划变得更加复杂和关键。

为了有效应对航空交通管理中的挑战，本文引入了改进蚁群算法来进行动态航路规划研究。

通过在蚁群算法中引入启发信息和局部搜索机制，可以提高航路规划的性能和效率。

实验结果表明，改进蚁群算法在航路规划中具有较好的应用潜力。

1. 引言航空交通管理是航空业发展的重要支撑。

航路规划是航空交通管理中的一个核心问题，其目标是通过合理的航线安排，确保航空交通的安全、高效运行。

随着航空业的不断发展，航空交通流量大幅增加，传统的静态航路规划已经不能满足实际需求。

因此，需要针对航空交通的动态性，进行相应的研究和改进。

2. 蚁群算法简介蚁群算法是一种模拟蚁群行为的启发式算法，可以用于解决复杂问题。

蚁群算法通过模拟蚂蚁在寻找食物过程中的行动规律，来寻找问题的最优解。

其基本思想是通过蚂蚁之间的信息交流和合作，找到一条最优路径。

3. 改进蚁群算法在航路规划中的应用为了将改进蚁群算法应用于航路规划中，需要结合航空交通管理的特点进行相应的改进。

本文在传统蚁群算法的基础上，引入了启发信息和局部搜索机制。

3.1 启发信息启发信息可以指导蚂蚁在路径选择时做出更合适的决策。

在航路规划中，可以利用启发信息来提供关于航线安全性和通行效率的信息，指导蚂蚁选择更优的航线。

启发信息可以通过历史航班数据、天气预测等来获取，从而提供给蚂蚁进行选择。

3.2 局部搜索机制蚁群算法的局部搜索机制可以帮助蚂蚁在已有路径的基础上进行进一步优化。

在航路规划中，可以通过局部搜索机制对蚂蚁已存在的航路进行微调，来寻找更优的航路。

局部搜索机制可以通过调整蚂蚁的移动规则，增加路径的可变性，从而得到更好的解。

4. 实验与结果分析为了验证改进蚁群算法在航路规划中的有效性，本文设计了一系列实验。

图1　基于改进蚁群算法的航路规划结果图　航路规划软件设计在实际工程应用中，为了能快速规划出符合要求的可行航路，本文设计航路规划软件，包括基于几何算法的粗略航路规划和航路平滑两个部分。

3.1　坐标转换通常采用经纬度信息表示航点的方位信息。

但是，采用几何算法表示航路点时，一般采用xoy坐标系中的x、信息，因此第一步要实现两种坐标系的转换。

直角坐标系xoy中，设以无人机的起飞点为原点o，现代制造技术与装备922020第8期　总第285期轴指向正东方向，y 轴指向正北方向，单位为km 。

假定(x ,y )表示航点投影在xoy 坐标系中的坐标，(Lot ,Lat )为当前航点的经纬度坐标，(CS _Lot ,CS _Lat )为起飞点的经纬度坐标，满足：0075.36*sin((90_)π/180)*(_)/36039940.67*(_)/360x CS Lat Lot CS Lot y Lat CS Lat =−×− =− （1）3.2　航路规划方案设计3.2.1　粗略航路规划为提高规划的实用性，对起飞段、纵向段、特殊任务区域的航路采取不同的规划策略，至此形成粗略航路规划方案。

（1）起飞段的航路规划设计。

图2为起飞段航路示意图，表示无人机从P 0点起飞至P 1点的过程。

0P 1P x y z ϕx z y o L 图2　自主飞行航点示意图无人机在起飞阶段的精度要求很高，所以在起飞阶段通常选用程控飞行的控制方式，待起飞结束后转换到自主飞行模式。

本文设计无人机在起飞段采用时间程序逻辑控制方式，确保无人机横向保持起飞航向不变，纵向稳定爬升，在100s 后进入自主飞行模式。

图2中，P 0为起飞点，坐标(x 0,y 0,z 0)，P 1为自主飞行模式的起点，坐标(x 1,y 1,z 1)，L 表示两点间的距离，z 表示纵向爬升高度，φ表示起飞点的飞行航向。

点P 1和P 0满足：()()101010cos 90sin 90x x L y y L z z z ϕϕ=+− =+− =+ （2）（2）纵向的航路规划设计。