蚂蚁算法在全局航迹的规划中应用.docVIP

蚂蚁算法在全局航迹规划中的应用 在敌情明了，各个威胁点事先发现的情况下 直升机编队的全局航迹规划是指起始点和目标点明确，事先预知直升机可能遇到的威胁的条件下，即在一定的约束条件下确定编队从起始点到目标点满足某种特性指标的最优的航行轨迹。在全局规划中，除起始点和终点已知外，还有上级明确的敌目标坐标以及重要防空配置地域范围。一般说来，直升机编队全局航迹规划就是指在综合考虑直升机机动性能、突防概率、碰地概率和飞行时间等约束因素下，寻找一条从起始点到目标点的最优并可行的飞行轨迹。 在金飞虎等对基于蚁群算法的自由飞行空间机器人路径规划研究的基础上，叶文等提出了基于蚁群算法搜索最优（次优）飞机飞行航路的策略，该策略将蚁群算法进行了适当改进，使之适用于飞机低空突防航迹规划，经过蚁群的协同工作，最终找到一条优化航路；柳长安等提出了一种基于蚁群算法的无人机航迹规划方法，该方法能保证在航路制定时得到一条具有较小可探测概率及可接受航程的飞行航路。 在本课题中，我们考虑理想状态下的直升机航迹规划问题，将问题尽量简化，以美军3架阿帕奇直升机小型编队为研究背景，研究了一种基于蚁群算法的航迹规划方法，并通过仿真实验验证了蚁群算法在航迹规划领域应用的可行性和有效性。 1、问题描述 如果把直升机编队进入地方防御区域的方位作为起始点，而把战役/战术攻击目标所处方位定为目标点，通过对规划空间进行网格划分形成连接起始点和目标点的网络图，则寻求优化航路问题的本质就是路径优化问题。这种方法是一种确定性状态空间搜索方法，可以减小规划空间的规模、降低了航迹规划的难度。假设编队在执行任务过程中保持高度不变、速度不变，而且考虑敌方防御区处于平坦地域，那么无人机就无法利用地形因素进行威胁回避机动，航迹规划问题就被简化成为一个二维航路（即水平航路）规划问题。由于水平航迹规划仍需考虑编队在执行作战任务过程中的生存性和有效性，并且考虑规划算法的实时性，所以是一个较为特殊的优化问题。 这里采用低于某一探测性指标，而且具有可接受航程的航路作为任务航路，按最短航路和最小可探测性航路加权方法计算代价函数作为描述航路的性能指标 （1.1.1） 式中，表示航路的长度；表示广义代价函数；表示航路的威胁代价；表示航路的油耗代价；系数表示根据任务安排所做出的倾向性选择。油耗代价是航程的函数；威胁代价与直升机的可探测性指标相关联；而可探测性指标是根据直升机编队的雷达可探测性概率计算的。 在对节点进行搜索过程中，依据公式（1.1）计算网络图中每条边的代价权值，以第i条边为例，有 （1.1.2） 式中，表示第条边的广义代价；表示第条边的威胁代价；表示第条边的油耗代价。在计算中，系数可取为0.9。 这里可以认为地方防御区域内的各个雷达均相同且无相互联系，并对雷达威胁模型进行了简化处理，认为雷达信号正比于（是无人机到敌方雷达、导弹威胁阵地的距离），故当无人机沿网络图的第条边飞行时，两节点间的威胁代价可近似地认为正比于沿这条边的积分，这里简单地把这条边划分为五段进行计算（见图1.1）， 故有如下公式： 式中，表示第条边的长度；N表示雷达、导弹等威胁阵地的数目；等表示第条边的处距离第个威胁点的距离。另外，在速度一定的情况下，可以简单的认为=，则有。 2、算法设计 在模拟蚂蚁觅食行为来求解航迹规划问题时，将只蚂蚁定位于起始点，每只蚂蚁使用一定的状态转换规则从一个状态转到另一个状态，知道最终到达目标点，完成一条候选航路（航迹规划的一个可行解）。当所有只蚂蚁都完成了各自的候选航路选择后，再利用信息素更新规则、当前条候选航路以及历史上得到的一条代价最小的候选航路信息更新网络图中各条边的信息量。这一更新过程可引导蚂蚁搜索到航迹规划问题的最优解。可以非常明显的看出，蚂蚁寻找路径的过程是一个对称问题。 蚂蚁的状态转移规则类同于基本蚁群算法。设是个元素的集合（这里元素表示蚂蚁可以到达的点），表示时刻位于元素的蚂蚁数目，为时刻路径上的信息量，表示规模，为蚁群中蚂蚁的总数目，则；是时刻集合中的元素两两连接上残留信息量的集合。在初始时刻各条路径上信息量相等，并设初始时刻各条路径上的信息量，为常数。 蚂蚁（）在运动过程中，根据各条路径上的信息量决定其转移方向。这里用禁忌表来记录蚂蚁当前所走过的城市，集合随着进化过程做动态调整。在搜索过程中，蚂蚁根据各条路径上的信息量及路径的启发信息来计算状态转移概率。表示在时刻蚂蚁由元素（城市）转移到元素（城市）的状态转移概率 式中，表示蚂蚁下一步允许选择的城市；为信息启发式因子，表示轨迹的相对重要性，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则