基于改进蚁群算法的无人飞行器航迹规划应用研究

随着现代科技的飞速发展,无人飞行器技术的发展也日益成熟和完善。航迹规划作为无人飞行器智能控制的关键技术之一,是提高飞行器作战效能,实现安全可靠飞行的保证。它主要是为无人飞行器在相关条件约束下规划出一条满足某种性能指标的最优或最满意的飞行轨迹。目前,已有包括遗传算法、人工神经网络、模拟退火算法等等多种智能优化算法应用于航迹规划中。蚁群算法作为一种模拟蚂蚁觅食行为的仿生优化群智能算法,具有并行分布式计算、信息正反馈、较强的鲁棒性和易于与其他算法结合等优点,也被广泛运用于解决如TSP、网络路由、航迹规划等众多组合优化问题。 本文首先研究了基本蚁群算法的原理和数学模型,分析了基本蚁群算法容易陷入局部最优解这一缺点的主要原因,介绍了两种比较典型的改进蚁群算法：ANT-Q System和MAX-MIN Ant System.在此基础上,提出一种改善算法全局收敛性能的改进策略,其基本思想是：将基本蚁群算法中单一种群搜索迭代的方式改进为双种群同时独立搜索迭代,并且不同种群的蚂蚁之间能够交流协作。引入算法陷入可能局部最优解的概念,在算法迭代过程中,当出现陷入可能局部最优时,动态交换不同种群对应路径上的信息素,并且自适应双向调整信息素挥发系数。同时借鉴最大最小蚂蚁系统的思想,将不同种群路径上的信息素分别限定在一定范围之内,避免出现因某些路径上的信息素过高而使搜索停滞的现象。通过这些改进措施,进一步扩大算法的搜索空间,提高算法的全局搜索能力。然后利用MATLAB工具对TSP问题实例仿真,并将基本蚁群算法和改进算法的结果相比较,验证了改进算法的有效性。 通过对无人飞行器航迹规划性能指标的分析,建立航迹规划算法模型。在此基础上,分析蚁群算法应用于航迹规划的一般流程,同时重点阐述了本文改进的自适应双种群蚁群算法在航迹规划应用中的设计思路。为了验证改进算法在航迹规划中的可行性和有效性,本文最后假设一个任务实例,用基本算法和改进算法分别通过MATLAB对其进行编程仿真。通过对比仿真结果,验证了在航迹规划的应用中,改进算法在全局收敛性和稳定性上均较优于基本算法。