基于改进蚁群算法的侦察无人机航路规划与实现

100
运 筹 与 管 理 2007 年第 16 卷 τ ij ( t) =
xi + x j
2
2
xi + xj
- xo
2
+ +
yi + y j
2
2
yi + y j
- yo
2
+ 1 ・
xi + x j
2
2
E
Hale Waihona Puke - xp+
yi + y j
2
2
- yp
+
( 9)
2
- xq
1. 2 有效飞行时间 ( 距离)
侦察的主要目的是发现对己方有价值目标并及时描述目标的状态 , 因此发现目标的概率是航路是否 合理的一个重要指标 。距离目标越近 , 飞机上侦察设备能够搜索目标区的时间也就越长 , 发现目标的概率 也就越大 。 在执行侦察任务时 , 为了获得某一目标的有效信息 , 无人机必需接近目标并使目标处于其机载电子 、 光学侦察设备的作用距离内 。如果为了实时监控某一目标 , 侦察无人机还必需在此目标的上空盘旋 、 停 留 , 以使目标长时间地处于机载设备的监控之下 。因此对目标的发现概率可以用有效飞行时间来表征 。 它表示侦察无人机对目标总的侦察 、 监控时间 , 记为 Teffective 。为处理方便 , 若侦察无人机以等速率飞行 , 则 其有效侦察飞行时间也可转变为有效飞行距离 L effective 表征 。
Abstract : Wit h t he p ro blem of pat h planning of reco nnaissance UAV , it s influential factor s and model are analyzed. Then t he reaso ns and p riorit y of using ant algorit hm to solve t he p ro blem are researched , meanwhile t he initial informatio n intensit y and stimulating factor are also imp roved. Wit h t he example of island offensive bat tle , t he best pat h is worked o ut by MA TL AB. Key words : military operatio nal research ; pat h planning ; ant algorit hm ; reco nnaissance UAV
2 航路规划构模
侦察无人机多数情况下执行特定的侦察监视飞行任务 , 指挥员期望的目标是在有限的飞行时间与航 程内发现尽可能多的目标 , 同时付出的代价最小 , 即目标函数可表示为
max F =
Vj Wj ( 2)
式中 , V j 表示的是侦察无人机沿第 j 条航路飞行时对目标进行侦察的广义侦察效率 ,
现 , 在目标价值进行归一化处理之后 , 该指标可以表示为
N N
Vj =
i =1
∑
L aei =
i =1
∑K
vmi
L effective i
( 4)
第 3 期 张庆捷 ,等 : 基于改进蚁群算法的侦察无人机航路规划与实现 其中 L aei 为拟合的有效飞行距离 , 它综合考虑了目标价值与有效飞行距离 。
( 解放军炮兵学院 指挥自动化与仿真工程系 ,安徽 合肥 230031)
摘 要 : 文章针对侦察无人机航路规划这一问题 ,分析了影响航路规划的因素 ,构建了航路规划的模型 。结合侦 察无人机航路规划的特点与模型 ,论证了基于蚁群算法求解的理由与优点 ,并对蚁群算法的初始信息素强度与 启发因子进行了改进 。最后以岛屿进攻战役这一特定作战任务为例 ,利用 MA TL AB 实现了侦察多目标时的航 路规划问题 。 关键词 : 军事运筹学 ; 航路规划 ; 蚁群算法 ; 侦察无人机 中图分类号 : E911 文章标识码 :A 文章编号 :100723221 ( 2007) 0320097206
3. 1 基于蚁群算法进行航路规划的特点
基于蚁群算法的侦察无人机航路规划方法 , 能够保证在航路制订时得到一条具有较小可被探测概率 及可接受航程的飞行航路 , 这种航路规划方法还具有以下特点 :
( 1) 在蚂蚁不断散布生物信息激素的加强作用下 , 新的信息会很快被加入到环境中 , 而由于生物信息
Kvmi 为目标的相对价值系数 。
99
对于 W j 而言 , 根据航路规划的影响因素分析 , 它包括威胁代价 W t j 和油耗代价 W f j 。 其中 , 威胁代价 W f j 对应于在飞行过程中的侦察无人机生存能力的倒数 , 即
W t j = 1/ Pj ( 5)
航程代价 W f j 对应于侦察无人机航程约束 。 若用 k1 表示威胁代价和航程代价的权重比 , 根据航路规划人员的倾向性选择确定 。则航路的代价为
W j 为侦察无人机沿第 j 条航路飞行时所付出的代价 。
对于 V j 而言 , 根据航路规划的影响因素分析 , 本文定义
N
Vj =
i =1
∑V
i
3 pi
( 3)
式中 V i 表示第 i 个目标的价值
p i 表示对第 i 个目标的广义发现概率 , p i 在气象条件一定的情况下与 L ef f ective 正相关 。由此也不难发
第 16 卷 第3期 2007 年 6 月
运 筹 与 管 理
O PERA TIONS R ESEA RC H AND MANA GEM EN T SCIENCE
Vol . 16 ,No . 3 J un. 2007
基于改进蚁群算法的侦察无人机航路规划与实现
张庆捷 , 徐 华 , 霍得森 , 武乾龙
( 1) 蚂蚁之间通过环境进行通信 。每只蚂蚁仅根据其周围的局部环境做出反应 , 也仅对其周围的局部
环境产生影响 ;
( 2) 蚂蚁对环境的反应由其内部模式决定 ; ( 3) 在个体水平上 , 每只蚂蚁仅根据环境做出独立选择 。在群体水平上 , 单只蚂蚁的行为是随机的 , 但
蚁群通过自组织过程形成高度有序的群体行为 。
0 引言
航路规划是指在目标点与起始点之间 ,为运动物体寻找满足某种性能指标和某些约束的线路 、 路径 。 目前对于航路规划的研究主要用于导弹 、 鱼雷 、 飞机等飞行器的飞行线路选择上 ,对于无人机的侦察航路 的系统研究还不多见 。在文献 [ 3 ] 中虽然也应用蚁群算法进行了航路规划 ,但没有充分考虑到威胁点存在 和目标点价值对航路的影响 ,且对蚁群算法没有进行启发因子和信息素初始强度方面的创新 。在相关外 文文献中 ,由于美军无人机航程较大 ,其航路规划的约束条件就相对较少 ,可供借鉴的内容也很有限 。而 针对岛屿进攻战役这一特殊作战样式的研究更是尚属空白 。本文正是基于这一背景下对该问题进行研 究 ,以实现在充分发挥无人机最大作战效能的同时 ,又尽可能地降低无人机被毁伤概率 。
s. t
Wfj < S W t j < W allow ( 8)
式中 , S 表示侦察无人机的航程 ,
W allow 表示根据特定任务 , 指挥人员所能接受的侦察无人机为执行任务所能付出的威胁的代价值 。
3 蚁群算法及其改进
蚁群算法作为一种新的计算模式引入人工智能领域 , 被称为蚂蚁系统 , 该系统基于以下假设 :
Pj = P f ・Pl ・Ps ( 1)
1. 4 航程 ( 油量) 限制
航程是指侦察无人机起飞后 , 中途不经加油所能飞越的最大水平距离 , 即飞行距离 。是表征侦察无人 机远航和持久飞行能力的指标 。由于其在地面一次所加的油量是有限的 , 因此它的航路必然受到航程的 限制 , 且由于无线电的作用距离受限 , 飞机执行任务的位置不能超过其作战半径 。
W j = K1 W t j + ( 1 - k1 ) W f j ( 6)
通过上述分析 , 得航路的目标函数可表示为
N i =1
max F =
∑K
vmi
L effective i ( 7)
k 1 W t j + ( 1 - k1 ) W f j
就航路规划的约束条件而言 , 首先是威胁量不能超过指挥员的许可范围 , 其二 , 是侦察无人机总的飞 行距离不能超过侦察无人机的航程 。一旦两者之一不能成立 , 表明要求的任务是无法完成的 , 即
98 1. 1 目标价值
运 筹 与 管 理 2007 年第 16 卷
目标价值是衡量某一时刻对某一目标实施火力突击必要程度的综合指标 ( 用 V m 表示) 。可采用层次 分析法获得各个目标的价值 V m , 也可以再进行归一化处理 , 得到各目标的相对价值系数 Kvm , 以此来衡量 目标的重要程度 。 对不同的目标实施侦察时 , 对于价值较高的目标可安排更长的有效侦察时间 , 而对于价值相对较低的 目标 , 则 应适当压缩有效侦察时间 。
3. 2 蚁群算法的改进
( 1)τ ij ( t) 的初值
为了更好的考虑威胁 , 在定义在初始条件下定义轨迹强度不同 , 根据蚂蚁选择路线最优选择轨迹强度 高的路线 , 而无人机的航路规划中则应该更优的选择距离威胁点较远的航路 。那么可以定义轨迹的初始 强度与距离成反比 。即与威胁点越近的路线 , 信息素强度越小 。对于两目标点间的每条路径 , 其信息素轨 迹初始强度 :
2
- yq
其中 , ( x o , y o ) , ( x p , y p ) , ( x q , y q ) 分别为三个主要威胁点的坐标 ( 可以根据实际情况选择更多的威胁 点) 。其中 E 为调整系数 , 根据各距离之和的数值调整使τ ij ( t) 为适宜的数值 。