基于PSO-HJ算法的多无人机协同航迹规划方法
2020-06-13单文昭崔乃刚王小刚白瑜亮
中国惯性技术学报 2020年1期
关键词:规划
单文昭,崔乃刚,黄 蓓,王小刚,白瑜亮
(1.中国运载火箭技术研究院,北京 100076;2.哈尔滨工业大学 航天学院,哈尔滨 150001)
多无人机协同航迹规划是任务规划系统中的关键部分[1]。多无人机协同任务包括目标协同定位、目标协同攻击和目标效能协同评估等。其中,多个无人机同时到达目标区域是目前协同攻击问题的主要研究方向[2]。
航迹规划是一类复杂优化问题,国内外学者提出很多算法。常用算法可大致分为两类,一类基于图的算法包括Voronoi图、A*搜索算法、D*搜索算法等[3]。另一类基于群体智能优化算法包括遗传算法、粒子群算法、差分进化算法等[4]。这类智能算法简单且计算效率高。其中,粒子群算法(Particle Swarm Optimization,PSO)不需要变异操作,比其他进化算法更易实现,但PSO存在局部搜索能力差的缺陷[5]。文献[6]通过引入收缩因子和学习因子到PSO中,改善二维航迹规划算法收敛速度。文献[7]通过将种群的繁殖机制引入PSO,提升算法全局搜索能力。文献[8]设计了异步变化的学习因子,提高了算法全局搜索能力。本文引入Hooke-Jeeves(HJ)搜索算法到PSO中,提出一种粒子群优化和HJ搜索算法相组合的PSO-HJ算法,丰富粒子搜索行为并改善粒子局部搜索能力。同时,对评价粒子优劣的方法做出改进,充分考虑不满足约束的粒子,避免由于过度舍弃而远离可行解。
多无人机协同航迹规划问题需要考虑的约束增多且模型更加复杂,对求解效率和速度要求更高[10]。目前,文献常用集中式求解框架解决多机协同问题,集中式求解框架相对简单且获得解的精度高。……
登录APP查看全文
