復(fù)雜環(huán)境下無(wú)人機(jī)動(dòng)態(tài)路徑規(guī)劃

基于蟻群優(yōu)化（ACO）和人工勢(shì)場(chǎng)的路徑規(guī)劃新算法

動(dòng)態(tài)威脅和靜態(tài)障礙物都被考慮在內(nèi)，以生成代表無(wú)碰撞路徑規(guī)劃環(huán)境的人工場(chǎng)。為了提高路徑搜索效率，應(yīng)用坐標(biāo)變換將地圖原點(diǎn)移動(dòng)到路徑的起點(diǎn)，并與源-目的地方向一致。建立成本函數(shù)來(lái)表示動(dòng)態(tài)變化的威脅，成本值被認(rèn)為是移動(dòng)威脅的標(biāo)量值，實(shí)際上是向量。在無(wú)人機(jī)搜索最 佳移動(dòng)方向的過(guò)程中，利用螞蟻優(yōu)化算法對(duì)路徑成本值、移動(dòng)威脅和總成本進(jìn)行優(yōu)化。

基于對(duì)周圍信息的掌握程度，路徑規(guī)劃可以由兩個(gè)規(guī)劃引擎構(gòu)建，包括利用先驗(yàn)環(huán)境信息進(jìn)行全局規(guī)劃的全局路徑規(guī)劃引擎和響應(yīng)實(shí)時(shí)傳感器信息的局部路徑規(guī)劃引擎

局部路徑規(guī)劃適用于起點(diǎn)和目的地較近的情況。局部路徑規(guī)劃快速、實(shí)時(shí)、響應(yīng)靈敏，但很容易受到局部信息的干擾，從而陷入局部最優(yōu)解而無(wú)法實(shí)現(xiàn)全局目標(biāo)。全局路徑規(guī)劃提供了整體尋路的解決方案，它根據(jù)獲得的環(huán)境信息找出一條可行且最優(yōu)的路徑。

首先獲取所有環(huán)境信息，然后根據(jù)構(gòu)建的環(huán)境地圖進(jìn)行初步（全局）路徑規(guī)劃。全局路徑規(guī)劃依賴于全局環(huán)境信息，無(wú)法處理規(guī)劃過(guò)程中的實(shí)時(shí)問(wèn)題。全局路徑規(guī)劃需要大量的計(jì)算能力。同時(shí)，局部路徑規(guī)劃是一種動(dòng)態(tài)規(guī)劃，而全局路徑規(guī)劃屬于靜態(tài)規(guī)劃

路徑規(guī)劃主要方法

目前開(kāi)發(fā)的路徑規(guī)劃的主要方法包括基于圖的、基于群體的進(jìn)化算法和分布式方法

n基于圖的算法包括Voronoi圖搜索方法、基于有向圖的方法、A搜索算法、數(shù)學(xué)規(guī)劃方法、人工勢(shì)場(chǎng)方法(APF)和D lite算法。然而，基于圖的算法由于難以解決無(wú)人機(jī)的運(yùn)動(dòng)約束，在實(shí)際情況中表現(xiàn)出了弱點(diǎn)。

n基于群體的算法包括粒子群優(yōu)化（PSO）、蟻群優(yōu)化（ACO）、智能水滴優(yōu)化（IWD）、引力搜索算法（GSA）和人工蜂群算法（ABC）?；谌后w的進(jìn)化算法具有在規(guī)劃階段降低復(fù)雜度和維數(shù)的優(yōu)點(diǎn)

n分布式路徑規(guī)劃使用智能節(jié)點(diǎn)之間的消息交換將路徑規(guī)劃卸載到環(huán)境中。雖然這些方法需要最 大限度地減少機(jī)載處理，但它們依賴于預(yù)安裝的智能基礎(chǔ)設(shè)施。

每種方法在某些方面都有其自身的缺點(diǎn)。例如，APF方法在障礙物較為密集的情況下無(wú)法有效生成路徑。如果目標(biāo)附近有障礙物，則無(wú)法到達(dá)目標(biāo)。此外，當(dāng)規(guī)劃路徑靠近障礙物或狹窄通道時(shí)，可能會(huì)出現(xiàn)抖動(dòng)

對(duì)于ACO算法來(lái)說(shuō)，它需要大量的計(jì)算，并且效率很大程度上依賴于參數(shù)。如果參數(shù)設(shè)置錯(cuò)誤，則求解速度慢、求解質(zhì)量差。雖然通過(guò)交換信息可以得到最優(yōu)解，但當(dāng)問(wèn)題內(nèi)容太大時(shí)，效率必然會(huì)降低。同時(shí)，ACO算法收斂速度慢，并且由于缺乏初始信息而容易陷入局部最優(yōu)解

基于蟻群優(yōu)化算法和人工勢(shì)場(chǎng)算法的無(wú)人機(jī)路徑規(guī)劃新模型

針對(duì)上述挑戰(zhàn)，提出了一種基于蟻群優(yōu)化算法和人工勢(shì)場(chǎng)算法的無(wú)人機(jī)路徑規(guī)劃新模型。

移動(dòng)威脅和靜態(tài)威脅都被認(rèn)為具有設(shè)定的影響半徑。此外，諸如雷達(dá)、導(dǎo)彈、火炮和大氣層等移動(dòng)威脅也給出了它們的移動(dòng)方向。在初始化過(guò)程中，將使用可用的環(huán)境信息在變換后的坐標(biāo)系下構(gòu)建網(wǎng)格地圖。將設(shè)置路徑上點(diǎn)的初始坐標(biāo)。然后從起點(diǎn)出發(fā)，根據(jù)移動(dòng)威脅的概率和成本來(lái)搜索最 佳移動(dòng)方向。信息素和下一步的運(yùn)動(dòng)會(huì)迭代更新，直到以最 佳解決方案達(dá)到目標(biāo)。

算法成本更低，性能更高，路徑更平滑。

成本包括移動(dòng)威脅成本、路徑成本和總成本。路徑成本主要考慮為整個(gè)路徑的燃料消耗。

n建筑模型

無(wú)人機(jī)路徑規(guī)劃是一個(gè)全局優(yōu)化問(wèn)題，生成一組從起點(diǎn)S到目的地點(diǎn)D的路徑點(diǎn)，并保證不會(huì)飛出指定地圖或被威脅奪走。靜態(tài)威脅是在空間中具有靜態(tài)位置的障礙物（用設(shè)定半徑的黃色圓圈表示）；移動(dòng)威脅是以已知的恒定速度動(dòng)態(tài)移動(dòng)的障礙物（表示為藍(lán)色圓圈）。

為了降低無(wú)人機(jī)路徑規(guī)劃中計(jì)算過(guò)程的復(fù)雜度，產(chǎn)生了坐標(biāo)系的變換。將S和D之間的直線作為新的x軸，以無(wú)人機(jī)的起點(diǎn)（S）作為新的坐標(biāo)原點(diǎn)，然后將原始坐標(biāo)系轉(zhuǎn)換為新的坐標(biāo)系。

n蟻群優(yōu)化算法

蟻群算法的基本數(shù)學(xué)模型首先應(yīng)用于旅行商問(wèn)題。該問(wèn)題可以描述為找到商人至少訪問(wèn)所有城市一次和最多一次訪問(wèn)所有城市的最短路徑。

假設(shè)有 m 個(gè)城市和 N 個(gè)推銷員，每只螞蟻選擇距離相同的下一個(gè)城市移動(dòng)，并釋放一致的信息素。在網(wǎng)格中，每只螞蟻只能選擇與它當(dāng)前所在網(wǎng)格相鄰的一個(gè)網(wǎng)格。如圖3所示，當(dāng)螞蟻處于(4,5)網(wǎng)格時(shí)，它可以選擇的網(wǎng)格有(3,4)、(3,5)、(3,6)、(4,4)、 (4,6)、(5,4)、(5,5) 和 (5,6)。由于網(wǎng)格(3,4)和(4,4)被障礙物占據(jù)，這兩個(gè)網(wǎng)格將被螞蟻忽略

n人工勢(shì)場(chǎng)算法

人工勢(shì)場(chǎng)算法是通過(guò)模擬自然界的重力場(chǎng)，基于物體施加的排斥力或吸引力。勢(shì)場(chǎng)中，障礙物O對(duì)無(wú)人機(jī)A有斥力作用，且與距離成反比變化；也就是說(shuō)，距離越近，斥力越大。同時(shí)，目的地D對(duì)A的吸引力與距離成正比，即吸引力隨著距離的增加而增加。

A在未知環(huán)境下受到虛擬斥力和吸引力的影響，其合力就是無(wú)人機(jī)的原動(dòng)力。

n算法實(shí)現(xiàn)

結(jié)合了ACO算法和APF算法

1. 步驟1（路徑規(guī)劃場(chǎng)形成）。首先，制定無(wú)人機(jī)飛行場(chǎng)，其中包含起始點(diǎn)、目標(biāo)點(diǎn)和矩形區(qū)域。無(wú)人機(jī)檢測(cè)的威脅包括移動(dòng)威脅和靜態(tài)威脅。靜態(tài)威脅的半徑和位置是已知的，移動(dòng)威脅及其移動(dòng)方向?qū)⒈桓兄?。所有點(diǎn)坐標(biāo)轉(zhuǎn)換為新坐標(biāo)系。

2. 步驟 2（初始化）。在所提出的算法中，每個(gè)螞蟻的禁忌列表以及螞蟻的狀態(tài)和屬性被初始化。此外，通過(guò)壓縮垂直坐標(biāo)，可以將螞蟻運(yùn)動(dòng)范圍的二維坐標(biāo)變?yōu)橐痪S數(shù)組。

3. 步驟3（開(kāi)始算法迭代）。一旦初始化完成，算法將迭代更新位置和狀態(tài)，直到滿足終止條件。終止標(biāo)準(zhǔn)設(shè)置為螞蟻無(wú)法到達(dá)目的地或陷入死循環(huán)。首先，下一步可以得到所有點(diǎn)的坐標(biāo)；即計(jì)算既不在禁忌表中又不在靜態(tài)威脅中的點(diǎn)。然后移動(dòng)威脅開(kāi)始移動(dòng)，每個(gè)威脅移動(dòng)一步就像螞蟻移動(dòng)一步一樣。接下來(lái)，基于概率和移動(dòng)威脅的成本來(lái)搜索局部和全局最優(yōu)移動(dòng)方向

4. 步驟4（輸出）。一旦滿足終止條件，迭代過(guò)程就會(huì)停止。每個(gè)步驟過(guò)程中生成的路徑點(diǎn)將按順序鏈接。這些路徑點(diǎn)最終形成最終的全局最優(yōu)路徑。