1、收稿日期:修回日期:基金项目:国家自然科学基金资助项目()作者简介:田周泰()男硕士生主要研究方向为无人机系统及技术:/基于改进人工鱼群算法的无人机三维航迹规划田周泰 柴梦娟 刘广怡 张 霞 余道杰(信息工程大学河南 郑州)摘要:无人机航迹规划算法中针对传统人工鱼群算法()存在易陷入局部最优、优化效率不佳等问题引入了步长衰减函数提出了一种自适应步长的人工鱼群算法()实现航迹规划中全局与局部收敛的自适应进一步给出了人工鱼权重优化策略提高人工鱼群算法的收敛速度与精度 仿真结果表明改进人工鱼群算法在无人机航迹规划情景下表现优异迭代次数相同条件下航迹代价相较于狼群算法()优化了.相较于传统人工鱼群算法
2、优化了.关键词:无人机航迹规划改进人工鱼群算法自适应步长中图分类号:文献标识码:文章编号:().无人机航迹规划是一个典型的多目标优化问题需要综合考虑山地复杂场景、多层面威胁、燃油储量等约束条件找到一条时间以及燃油消耗较优且可使无人机正常飞行的航迹 基于此国内外专家学者相继开展了底层运算架构、多算法融合、算法变异改进等研究 文献利用多个处理器并行执行算法优化过程的思想针对无人机航迹规划问题通过仿真验证了粒子群算法和遗传算法的对应方案 文献将改进的人工鱼群算法应用于航迹规划问题 文献将传统的人工神经网络与蚁群算法相结合并将其应用于航迹规划文献提出了一种基于蚁群算法和人工势场相第 卷第 期 年 月信
3、 息 工 程 大 学 学 报 .结合的方法旨在通过两种算法的优势互补以提高复杂环境中的寻优能力多年来研究者不断探索新的无人机航迹规划算法 不同算法各具特色在求解要求、适用场景、效率和求解能力等方面存在明显差异具体特点如表 所示表 无人机航迹规划算法对比表算法名称求解要求适用场景效率求解能力人工势场法低二维高弱速度矢量法低二维高一般遗传算法高二维/三维低强粒子群算法中二维/三维高一般蚁群算法低二维/三维中强人工鱼群算法低二维/三维高强 人工势场法和速度矢量法在二维环境中表现出高效性但适用范围有限无法迁移到复杂环境下的三维情境 遗传算法具备强大的求解能力在二维和三维环境中皆适用然而求解要求高 粒子
4、群算法在二维和三维环境中展现出高效性但仍存在一定的求解要求并且其求解能力一般难以达到最优解 相较之下人工鱼群算法()适用于二维和三维环境具备较低的求解要求能够在复杂环境中高效运行具备较强的求解能力并可与其他算法相融合以弥补不足之处从而实现较为优化的解决方案 鉴于无人机三维航迹规划所面临的复杂环境不同算法的优势不同选定人工鱼群算法作为基础航迹规划算法并进行相应改进以提升其效率李晓磊提出的人工鱼群算法具有结构简单、受初始值影响小、寻优过程易跳出局部最优等优秀性能被广泛应用于各类问题中 基于此国内外专家学者相继开展了人工鱼群算法的研究文献提出了一种将支持向量机和人工鱼群算法相结合的方法以解决孪生支持
5、向量机在参数选择方面的挑战 文献针对深度神经网络在可解释性方面存在的瓶颈问题提出了一种有价值的解决方案 文献提出改进的人工鱼群算法对图像量化、无线传感器网络覆盖优化策略以及资源调度算法进行了研究 文献探索了改进的人工鱼群算法在时滞系统辨识问题中的应用本文结合人工鱼群算法的基本原理、优势及不足设计了一种自适应步长的人工鱼群算法()以用于无人机航迹规划旨在有效提升传统人工鱼群算法的收敛速度和全局搜索能力 并将其与狼群算法()进行了比较通过实验验证了算法的有效性 人工鱼群算法.人工鱼群算法基本原理人工鱼群算法是一种基于鱼群聚集、觅食、追随和随机行为的智能寻优方法 该算法根据人工鱼当前食物浓度、感知分
6、布、伙伴鱼群位置、公告板状态等改善自身状态 通过这些行为选择人工鱼最终会不断收敛以求得一个较优的极值 在算法的迭代过程中通过不同的状态选择不断更迭出更优的解以改进公告牌信息如果更迭过程正未产生相对于公告牌更优的解则保留当前公告牌信息本文应用场景为山区仅需考量任务完成的快慢因此选取无人机的总飞行长度为航迹代价函数 航迹规划由航迹点组成一个航迹点包含()信息 代价函数如式()所示:()()()()式中、为一个航迹点内的位置信息.无人机飞行环境建模假设无人机从坐标原点出发经由既定航迹到达指定目标 由于无人机具有一定的飞行高度在此高度下原地形信息所拥有的植被、河流、森林等数据不会影响航迹规划将三维空间
7、设定为山峰与平原对于飞行环境中较高的山峰以指数函数表示 山峰的数学模型如式()所示:()()式中:表示山峰总个数()表示第个山峰的中心坐标为地形参数用于控制高度、分别是第个山峰沿着轴和轴的衰减量用于控制坡度在长、宽、高分别为 的三维空间中随机生成 座山峰如图 所示图 三维空间建模图 第 期田周泰等:基于改进人工鱼群算法的无人机三维航迹规划 人工鱼群算法改进.自适应人工鱼群步长传统人工鱼群的步长固定算法收敛速度与精度受步长影响较大 较大步长可以有效提高收敛速度但是会降低收敛精度容易陷入局部最优解较小步长收敛精度更佳但是在前期收敛的过程中速度过慢 传统自适应策略基于算法循环次数与步长因子来进行人工
8、鱼群步长设定忽视了人工鱼群算法存在的收敛不稳定性容易导致前期算法还未进行大幅度收敛时步长已经降低到与当前算法不匹配的数值 本文引入改进自适应策略确保算法在拥有较好收敛速度的同时能得到优秀的收敛精度 改进自适应步长如式()所示:.()式中:表示人工鱼迭代第 代的步长 表示步长初始值表示下降率因子表示第代的人工鱼下降率 表示随机数因子 表示产生一个 的正态分布随机数、分别表示当下降率为 或下降率连续为 时步长分别采取的动态调整策略经过上述改进可以明显观察到在人工鱼的下降率和重复次数的动态调整下人工鱼的步长实现了自适应 这种自适应机制是为了增强人工鱼跳出局部最优解的能力 当存在下降率时人工鱼会根据下
9、降率的大小灵活地调整步长以适应环境的变化 同时为了进一步提升人工鱼的探索能力引入了正态分布随机数使得人工鱼能够在搜索过程中具备一定的随机性从而有助于克服局部最优解的限制当下降率为零时意味着人工鱼已经陷入了局部最优解 通过缩小步长的方式来提高人工鱼的搜索精度以期望在局部最优解中找到更好的解决方案 这种缩小步长的策略有助于在有限的范围内更加精细地搜索从而提高了搜索的效果当下降率持续为零时仅仅通过提高搜索精度已经无法使人工鱼跳出局部最优解 为了实现更广泛的搜索可以扩大步长以覆盖更大的搜索空间增加了发现全局最优解的机会 通过这种步长的扩大能够更好地探索解空间并找到更优的航迹规划解决方案综上通过人工鱼的
10、步长自适应调整机制结合引入正态分布随机数和步长缩小或扩大策略航迹规划算法在求解过程中能够灵活应对不同情境并具备较高的搜索效率和求解能力为复杂环境下的航迹规划问题提供了一种有效的解决方案.人工鱼个体权重优化策略鉴于人工鱼群在每次探索过程中对最优和较劣结果的处理相同为了消除较劣结果对算法性能的干扰本研究引入了人工鱼个体航迹代价权重优化策略 该策略通过对人工鱼的航迹代价进行比较赋予航迹代价较高的人工鱼更大的权重以确保整体算法搜索的精度 具体步骤如下:在行为步骤之后按照航迹代价从高到低的顺序为每条人工鱼分配不同的权重 在下一轮迭代中根据上一轮分配的权重随机选择 条人工鱼参与本轮迭代值得注意的是权重较高
11、的人工鱼具有更大的参与概率 算法流程图如图 所示 红色框线内为对传统人工鱼群算法做出的改进图 人工鱼群算法流程图通过引入人工鱼权重优化策略与人工鱼步长自适应调整策略算法能够根据航迹代价的大小对不同个体进行差异化处理从而提高搜索的效率和准确性 这种权重优化策略有效地排除了较劣结果的干扰并提升了人工鱼群算法的整体性能能够获得更优的航迹规划解决方案具体执行步骤如下:)初始化人工鱼群鱼群规模为 鱼群感知距离为 拥挤度因子为.单只人工鱼迭代最大次数为 鱼群总体迭代次数为 信 息 工 程 大 学 学 报 年)采取自适应人工鱼群步长作为人工鱼步长引入改进自适应策略并按照式()对人工鱼步长进行自适应调整)评估
12、鱼群中所有个体并执行个体鱼状态选择进行追尾觅食活动以更新个体数据生成新的鱼群)采取人工鱼权重优化策略有效排除掉航迹代价差的人工鱼以提高鱼群寻优效率)将计算所得最优航迹代价与公告板中航迹代价相比较若更优则更新公告板中的数值以及对应航迹)判断终止条件如满足则跳至步骤)否则回到步骤)程序结束当前公告板上值作为最优值相对应航迹即为最优航迹结束算法 改进鱼群算法航迹规划仿真.实验环境本文仿真采用 人工鱼群算法参数如下:鱼群规模为 鱼群感知距离为 拥挤度因子为.单只人工鱼迭代最大次数为 鱼群总体迭代次数为 改进人工鱼群算法参数与人工鱼群算法一致步长采用式()自适应步长函数 狼群算法参数如下:迭代次数为 狼
13、群总数为 探狼比例因子为.步长因子为 游走方向数为 由奔袭转围攻的临界距离为 围攻最大次数为.仿真分析为保证算法仿真结果有代表性本文选取步长分别为、的传统人工鱼群算法、狼群算法、改进人工鱼群算法共计 种优化算法来分别进行 次的无人机山地环境航迹规划 算法的线路最优值随迭代次数变化关系图如图 所示图 算法最优值随迭代次数变化关系图由图 分析可知:)对比步长 与步长 数据关系步长对函数收敛速度有较大影响长步长更擅长全局收敛短步长在局部收敛中有更佳的精度)对比 与步长 数据关系 的全局收敛速度远大于步长 当收敛过程进行一半时 航迹代价为.步长 航迹代价为.优化了.在需要更短计算时间的无人机航迹规划上
14、 有显著优势)对比 种算法线路可得 全局收敛效率仅次于步长 优于另外两类在 次收敛之后 收敛效率要高于另外 类算法仿真算法平均长度、最长航迹、最短航迹、方差、运行时间如表 所示表 种算法仿真对比结果算法名称最大值/最小值/平均值/标准差/所需时间/.步长.步长 .由表 分析可得:)经过 次迭代后标准差最小寻优算法更稳定平均值最小收敛结果最好)所需时间与传统 相差一秒以内未显著增加计算量综合以上数据分析 较短步长的 有更好的全局收敛速率较长步长的 航迹代价更短航迹代价优化了.较 在全域都拥有更好的效率航迹代价优化了.结束语对于无人机在复杂山地环境下的航迹规划问题改进了传统人工鱼群算法固定步长所导
15、致的收敛效率不佳易陷入局部最优的问题引入了自适应步长策略在保证前期收敛速率的同时使后期也可以收敛到较优的精度 针对人工鱼群算法收敛效率不佳的问题提出了人工鱼权重优化策略通过赋予更优个体人工鱼较大的权重进一步增强了算法的收敛速度 实验结果表明提出的改进人工鱼群算法相较 最短距离优化了.相 第 期田周泰等:基于改进人工鱼群算法的无人机三维航迹规划较传统 优化了.拥有更小的航迹代价值 面对无人机所需应对的复杂环境即规划时间短、障碍地形复杂、飞行速度快做出了针对性优化更适应于无人机航迹规划 需要提出的是复杂环境下多无人机蜂群寻路是未来研究的发展趋势本文后续的研究工作将重点考虑智能算法在此类问题中的应用
16、参考文献:吴健发王宏伦王延祥等.无人机反应式扰动流体路径规划.自动化学报():.():.张涛李少波张安思等.基于改进人工鱼群算法的复杂地貌无人机三维路径规划.科学技术与工程():.():.王晓燕杨乐张宇等.基于改进势场蚁群算法的机器人路径规划.控制与决策():.李晓磊.一种新型的智能优化方法:人工鱼群算法.杭州:浙江大学.李景灿丁世飞.基于人工鱼群算法的孪生支持向量机.智能系统学报():.何华灿.重新找回人工智能的可解释性.智能系统学报():.():.():.武剑薛玉石山春凤等.基于改进人工鱼群优化算法的配网故障定位研究.电力科学与技术学报():.马铭希吴军岳龙飞等.基于改进人工鱼群优化的蚁群
17、算法无人机自主航路规划.兵器装备工程学报():.:.():.高玮饶彬周永坤.仿生物学无人机集群目标的雷达跟踪与辨识.航空兵器():.(编辑:李志豪)(上接第 页).?.:():.马超孙群徐青.一种基于参考数据的志愿者地理信息质量评价方法.测绘与空间地理信息():.:.国家测绘局.数字测绘成果质量检查与验收:/.北京:中国标准出版社.:.():.李德仁王树良李德毅等.论空间数据挖掘和知识发现的理论与方法.武汉大学学报(信息科学版)():.:.王明李清泉胡庆武等.面向众源开放街道地图空间数据的质量评价方法.武汉大学学报(信息科学版)():.:.():.:.(编辑:李志豪)信 息 工 程 大 学 学 报 年