基于改进量子粒子群算法的无人机路径规划
2016-09-15郭蕴华王晓宗
郭蕴华,王晓宗
(武汉理工大学a.船舶动力工程技术交通行业重点实验室;b.能源与动力工程学院,武汉 430063)
基于改进量子粒子群算法的无人机路径规划
郭蕴华,王晓宗
(武汉理工大学a.船舶动力工程技术交通行业重点实验室;b.能源与动力工程学院,武汉 430063)
针对无人机路径规划算法收敛速度慢、易陷入局部最优等问题,提出一种改进的量子粒子群算法。该算法根据粒子与局部吸引点和可行解边界的距离动态的修正粒子更新位置,改善了算法的全局寻优能力和收敛性能。仿真实验表明所提出的改进QPSO算法比其他已有算法可以得到更高质量的航迹,并且其收敛性较好。
无人机;改进量子粒子群算法;最小威胁面;航迹规划
在船舶海洋事业快速发展的今天,利用船用无人机探测即时天气变化将成为一种趋势。由于无人机的续航能力有限,实际应用中往往需要合理的规划其飞行轨迹以节约能耗,因此无人机路径规划也成为目前的研究热点之一。所谓无人机路径规划,就是指综合考虑无人机机动性能、突防概率、碰撞概率和飞行时间等约束条件,寻找从起点到目标点的最优或可行的飞行轨迹[1]。目前用于无人机路径规划的方法大致分为如下几类:①路线图方法,像随机路线图法等[2];②启发式算法,例如A*算法等[3];③进化算法,如粒子群优化(particle swarm optimization, PSO)算法[4]、差分进化(Diffrential Evolution, DE)算法[5]、量子粒子群优化(quantum-behaved particle swarm optimization, QPSO)算法[6-7]和具有高斯分布局部吸引点的QPSO(QPSO with gaussian distributed local attractor point, GAQPSO)算法[8]等。相对于其他方法而言,进化算法以航迹代价模型为目标函数,在种群演化过程中逐步获取更好的优化性能,因此可以得到更加合理的飞行路径。……
