無人機航跡規劃群智能優化算法綜述

朱莉凱　沈朝萍　沈寶國　楊文杰

摘要：無人機航跡規劃是指嚴格按照給定任務規劃出滿足具體約束條件的飛行軌跡。航跡規劃的優劣直接決定任務完成與否。因此，航跡規劃的進一步研究成為無人機技術研究的重點項目。文中介采用三種不同算法綜述了群智能化算法以及存在的優缺點，同時，對未來無人機航跡規劃群智商能優化算法的發展前景進行了展望。

關鍵詞：無人機;航跡規劃;群智能優化算法;綜述

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-9416（2019）08-0126-01

1 常見的無人機航跡規劃群智能優化算法

1.1 粒子群算法

對于鳥群來說通常在大自然中飛行，不同鳥類有自身的飛行速度和軌跡，可接收來自周邊同類鳥類發來的信息，并依據信息迅速調整飛行位置和速度，在鳥群遷徙過程中會朝著。食物資源區域進行分析，在遷徙前期從一定程度上來看鳥類飛行為無目的飛行，直到發現食物源，而且適合鳥類棲息的場地時，鳥類會將此信息傳遞給后面的鳥，之后其他鳥類也會朝該存在食物棲息地的位置飛行，可見在鳥類飛行中會體現出群體效應，進而為做出正確優化提供依據。從這一角度上來看，通過自身經驗，群體效應等進行決策優化，即分工合作，相比其他智能優化算法來說，群粒子群算法具有較強的通用性，收斂速度，快迭代，簡單而且很容易實現仿真分析，但是在實際應用過程中該算法也存在很多問題。

1.2 蟻群算法

該算法是現代新衍生出來的一種進化算法，被稱為是螞蟻算法，在1992年國外研究學者首次提出智能仿真算法，該算法來源于螞蟻覓食行為，也被認為是一種乙蟻群的群體搜索行為，在螞蟻棲息時相互之間可通過信息激素進行信號傳遞，假設一只螞蟻未提前告知何處存在食物源這種情況下，螞蟻群中任意螞蟻發現食物源時會及時向周邊發出分泌物，將其作為傳遞信號，告知其他螞蟻迅速接近食物源，經過時間積累大量螞蟻會成群聚集在這路徑上，所有螞蟻會朝該食物。聚集，但這種情況下并不代表每次螞蟻群在尋找食物時都會遵循這種規律，也有存在其他蟻群會按自己方式開辟路徑，通過多種途徑找到食物源，同時分泌性激素，長時間積累如果相比原開辟路徑來說新開辟的路徑較短時，將會有大批的螞蟻根據新路徑尋找到最終螞蟻群中大多數螞蟻也會采取短路徑的方式快速找到食物源，完成螞蟻覓食就是蟻群正反饋的一種過程，當其巢穴與食物源兩者之間無任何障礙物時，路徑相當于直線。在螞蟻巢與食物源地兩者之間存在一定的阻礙物時，螞蟻會主動繞行，避開障礙物，重新找出到達食物源地的路線。蟻群算法的優點體現在，魯棒性較好、正反饋機制，計算并行，可以與其他算法融合，然而在實際應用過程中利用與其算法也存在很多問題，具體體現為：（1）螞蟻群算法是一種啟發式仿生算法，利用目前所處位置和下一階段的目標位置之間的距離，將其作為算法啟發信息，當遇到障礙物時預先規避方面還存在很多問題。（2）螞蟻群算法由于缺乏前期正確指導信息，導致該算法在初期使用過程中具有一定隨意性其性能會隨著搜索環境的擴大而變差。

1.3 蜂群算法

蜂群是具體性較強的飛行生物，從表面上來看不同蜜蜂其飛行活動比較簡單，然而其構成群體后統一行為比較復雜，蜜蜂群體存在于自然界主要是由于這一原因，蜂群中每個蜜蜂之間存在較大差異，但它們都可獨立完成復雜工作，包括筑巢，繁殖等，蜂群最大優勢是可以根據不同情況進行角色轉換，在采蜜過程中蜂群之間是在協同合作，而不是單獨行動，這樣能夠準確、快速的找到它們所需的花蜜。而且蜂群對周圍環境的不同變化適應能力也是相當強的。2005年研究學者提出人工封群算法，該算法具有一定的智能規劃性，群體性和統一性，其主要來源于實際生活中蜜蜂的日常行為，通常食物源所在位置是其優化的可行解法，待采蜜蜂源解的質量是與其豐富度相對應的，即采蜜源解質量會隨豐富程度的提高而變得更加豐富。例如，蜂群去某地開釆花蜜，引領蜂會將它采蜜的全部信息傳遞給蜂巢中等待的觀察蜂，而當等待中的蜜蜂收到此信息后，會以其獨特的方式選擇更好的蜜源進行開采。人工蜂群算法利用蜂群中的每個單一個體，使其分工明確，各司其職，這種算法特別適用于群體復雜問題的解決。

2 展望

當前隨著信息技術的發展，我們逐漸步入了信息爆炸時代，隨高科技信息化的發展也逐漸延伸入現代戰爭中，立體、多維成現代戰爭標志，無人機具有重量輕、造價低、機動性能較高以及無需冒著生命危險等諸多優勢，未來將會在軍事戰爭領域中占據重要的角色。另外，隨雷達技術的發展，相控陣雷達技術具有越來越廣的應用性，所以導彈精準度的提升，在利用無人機進行任務執行過程中，面對更加嚴厲的環境，所面臨的風險也會越來越大，因此，大都情況下，僅憑單個飛機很難完成任務。但是考慮到無人機執行任務時所涉及的空間較小、載重量小等一系列因素的情況下，為了更好的迎合未來信息化戰爭的需求，開始研究無人機的協同合作，這樣可以實現冗余配置，有效的提高任務的完成率。除此之外，使用多架無人機進行分配任務飛行時能夠縮短任務執行時間，提升任務執行力，因此使用多項無人機進行合作完成任務是未來無人機發展趨勢。其次，針對群智能優化算法來說，隨著該算法理論優化的發展，新型群智能化算法將陸續為開發出來并得到長遠發展，也能夠成為優化算法解決各種問題，雖然不同算法有其各自有缺點，然而在實際應用過程中還存在很多不足之處，未來對于優化算法的研究仍以混合算法為主，該算法能夠繼承其他算法的優勢，克服缺點，獲取最佳的算法性能，混合算法通常會包含三種算法混合。第一，兩種算法為串行算法，第二，將兩種算法并行混合。第三，將局部算法與全局算法進行混合。

3 結語

總上所述，針對無人機航跡規劃中已知環境下靜態航跡預測規劃的已經逐漸成熟，所以目前無人機任務的復雜度，再加上外界環境存在的不確定性，在處于未知環境條件下，無人機實時行跡規劃相關研究也成為了當前急需解決的重難點問題。

參考文獻

[1] 雷蕾.智能優化算法在無人機航跡規劃應用研究[J].艦船電子工程，2017（2）：34-37.

[2] 王瓊，劉美萬，任偉建，et al.無人機航跡規劃常用算法綜述[J].吉林大學學報（信息科學版），2019，37（01）：61-70.

[3] 熊佳新.基于滾動優化的多無人機航跡規劃與協調算法研究[D].哈爾濱工業大學，2017.

[4] 田闊，劉旭.基于多策略SSO和改進A*算法的無人機動態航跡規劃[J].電光與控制，2017（11）：35-41.

[5] 王紅飛.基于智能控制的無人機航跡跟蹤與規劃研究[D].河北科技大學，2018.

A Survey of Intelligent Optimization Algorithms for UAV Route Planning Group

ZHU Li-kai，SHEN Chao-ping，SHEN Bao-guo，YANG Wen-jie

（Jiangsu Aviation Vocational and Technical College， Zhenjiang Jiangsu? 212134）

Abstract：UAV path planning is to plan flight trajectories that meet specific constraints strictly according to given tasks. The quality of route planning directly determines whether the task is completed or not. Therefore， further research on route planning has become a key project of UAV technology research. In this paper， three different algorithms are used to summarize the advantages and disadvantages of swarm intelligence algorithm. At the same time， the development prospect of swarm intelligence optimization algorithm for UAV path planning is prospected.

Key words：UAV; route planning; swarm intelligence optimization algorithm; overview