本發(fā)明屬于機(jī)載雷達(dá)
技術(shù)領(lǐng)域：
，特別涉及一種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法，適用于無人預(yù)警機(jī)群實(shí)時最優(yōu)覆蓋監(jiān)視區(qū)域的航跡規(guī)劃問題。
背景技術(shù)：
：無人駕駛飛機(jī)(unmannedaerialvehicle)簡稱無人機(jī)，與載人飛機(jī)相比有著獨(dú)特的優(yōu)勢，體積小、造價低、使用方便、戰(zhàn)場生存能力較強(qiáng)、不需要考慮飛行員生理限制等，在一些關(guān)鍵和高度危險的任務(wù)中發(fā)揮著不可替代的作用；隨著電子技術(shù)日新月異的發(fā)展，無人機(jī)已經(jīng)被應(yīng)用于偵察監(jiān)視、電子對抗甚至精確打擊等軍事領(lǐng)域；因此，為無人機(jī)預(yù)先規(guī)劃出一條完成飛行任務(wù)所需的、代價最小的航跡，即無人機(jī)航跡規(guī)劃，就顯得尤為重要。無人機(jī)航跡規(guī)劃需要綜合考慮飛行任務(wù)、飛行環(huán)境和氣象等條件，從而確定無人機(jī)的飛行航線；依據(jù)機(jī)型的不同，無人機(jī)分為攻擊性無人機(jī)和偵察型無人機(jī)，因此無人機(jī)航跡規(guī)劃分為相應(yīng)的攻擊性航路規(guī)劃和偵察型航路規(guī)劃。前期的研究主要集中在攻擊型航跡規(guī)劃研究，攻擊型航跡規(guī)劃是指在一定約束的條件下，尋找無人機(jī)從起點(diǎn)到目標(biāo)點(diǎn)生存概率最大的飛行路線，該路線必須滿足一定的性能指標(biāo)并且飛行代價最??；該攻擊型航跡規(guī)劃問題看作對一種多目標(biāo)優(yōu)化問題的求解，國內(nèi)外研究者對此進(jìn)行了很多分析和研究并取得了相應(yīng)的成果。國內(nèi)研究者關(guān)注比較多的規(guī)劃算法主要包括動態(tài)規(guī)劃、a*算法、粒子群算法、遺傳算法以及蟻群算法等進(jìn)化算法，這些算法都有其優(yōu)點(diǎn)和缺點(diǎn)，與國外研究情況相比，國內(nèi)研究處于相對落后的狀態(tài)；上世紀(jì)八十年代以來，世界各國就開始投入大量的人力物力用于航跡規(guī)劃方法的研究，美國的波音航空公司開發(fā)了基于人工智能的任務(wù)規(guī)劃軟件，法國已裝備有mipsy和cinna等任務(wù)規(guī)劃系統(tǒng)，英國已成功研制pathfinder2000等任務(wù)規(guī)劃系統(tǒng)。在算法研究上，國外也已取得一些可觀的成果，如喬治梅森大學(xué)提出的基于李雅普諾夫向量場的無人機(jī)航路規(guī)劃和美國teledyne公司提出的基于仿生策略的無人機(jī)自主偵察方法，在比較復(fù)雜的環(huán)境下，追蹤目標(biāo)時效率較高、魯棒性很強(qiáng)；波爾圖大學(xué)的電子與計(jì)算機(jī)學(xué)院在2012年提出了一種無人機(jī)和自主水下航行器的統(tǒng)籌協(xié)作策略，這種搜索方法可以適應(yīng)多目標(biāo)任務(wù)和環(huán)境參數(shù)的變化，在最小化搜索時間的同時可以最大化任務(wù)搜索空間；durdanahabib等在2013年提出了一種混合整數(shù)線性規(guī)劃方法(milp)，不僅能夠減少任務(wù)時間，也能夠獲得很好的魯棒性，但也帶來了新的挑戰(zhàn)。為了提高多無人機(jī)在復(fù)雜環(huán)境中協(xié)同工作的存活率，chiragwarty等在2013年提出了兩種算法，分別是多種群遺傳算法(mpga)和中繼選擇標(biāo)準(zhǔn)(rsc)，多種群遺傳算法mpga用一種新型的種群創(chuàng)建方法和增強(qiáng)種群交叉機(jī)制的進(jìn)化技術(shù)來在較短的時間內(nèi)獲得可行的航路，中繼選擇標(biāo)準(zhǔn)rsc用來選擇位于源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)之間的中繼位置上的中繼節(jié)點(diǎn)；盡管新的算法獲得了比較好的仿真結(jié)果，但實(shí)驗(yàn)是在基于二維的基礎(chǔ)上進(jìn)行的，有別于實(shí)際的無人機(jī)規(guī)劃環(huán)境。隨著無人機(jī)應(yīng)用領(lǐng)域的逐步拓寬，研究人員開始將目光轉(zhuǎn)移到偵察型無人機(jī)航跡規(guī)劃問題；區(qū)域偵察是指針對特定的區(qū)域，為無人機(jī)群設(shè)計(jì)一種代價最低的群飛行軌跡，使無人機(jī)群沿該軌跡飛行實(shí)現(xiàn)區(qū)域搜索或區(qū)域覆蓋的目的；相比較于攻擊型無人機(jī)航跡規(guī)劃，這種航跡規(guī)劃沒有終點(diǎn)，因而增加了航跡規(guī)劃問題的難度；針對航跡規(guī)劃問題的難度問題，國內(nèi)外的公開報(bào)道較少，一般類似的報(bào)道是關(guān)于機(jī)器人區(qū)域覆蓋問題方法的研究，機(jī)器人區(qū)域覆蓋問題發(fā)展歷程較長，成果較多，并且還在不斷發(fā)展，可以看作研究無人機(jī)區(qū)域覆蓋問題的基礎(chǔ)。然而，機(jī)器人覆蓋問題并不完全適用于使用無人預(yù)警機(jī)群實(shí)現(xiàn)對區(qū)域?qū)崟r最大化覆蓋的問題，因而需要在當(dāng)前覆蓋問題研究基礎(chǔ)上進(jìn)一步做出改進(jìn)，以滿足使用分布式機(jī)載雷達(dá)系統(tǒng)進(jìn)行多基處理的需求。技術(shù)實(shí)現(xiàn)要素：針對上述現(xiàn)有技術(shù)存在的不足現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提出一種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法，該種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法能夠?qū)o人機(jī)群實(shí)時最優(yōu)覆蓋監(jiān)視區(qū)域進(jìn)行航跡規(guī)劃，并能夠達(dá)到實(shí)時最優(yōu)覆蓋監(jiān)視區(qū)域的效果，為無人機(jī)群更好地發(fā)揮作戰(zhàn)預(yù)警作用奠定了基礎(chǔ)。為達(dá)到上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。一種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法，包括以下步驟：步驟1，分別設(shè)定無人機(jī)群的監(jiān)視區(qū)域s和無人機(jī)群的可行飛行區(qū)域a，其中無人機(jī)群包含m架無人機(jī)，每架無人機(jī)上設(shè)置一個機(jī)載雷達(dá)，且每架無人機(jī)勻速飛行；步驟2，設(shè)定蟻群算法中的螞蟻總只數(shù)為n，每只螞蟻的維數(shù)為m×1；然后設(shè)定無人機(jī)群的初始位置和無人機(jī)群的初始速度方向，分別用p0表示無人機(jī)群的初始位置矩陣，使用v0表示無人機(jī)群的初始速度向量；步驟3，確定無人機(jī)群的位置偏轉(zhuǎn)角然后確定無人機(jī)群飛行軌跡；初始化：令s表示第s次搜索，s∈[1,seachnum]，seachnum表示搜索次數(shù)，s的初始值為1，每次搜索分別進(jìn)行d次迭代，并分別令d表示第d次迭代，d∈[0,d]，d的初始值為0，d為大于0的正整數(shù)；分別令第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣記為ps,d，將第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量記為vs,d，且第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣p1,0為無人機(jī)群的初始位置矩陣p0，第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量v1,0為無人機(jī)群的初始速度向量v0；步驟4，根據(jù)第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d和第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d，得到第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d，進(jìn)而得到第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d；步驟5，令d加1，重復(fù)執(zhí)行步驟4，直到得到第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d，進(jìn)而得到第s次搜索后無人機(jī)群前進(jìn)innerstep步最優(yōu)的速度偏轉(zhuǎn)角θs和第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑ps，表示第s次搜索后無人機(jī)群前進(jìn)第k步的最優(yōu)路徑；然后將d初始化為0；步驟6，根據(jù)第s次搜索后無人機(jī)群前進(jìn)innerstep步最優(yōu)的速度偏轉(zhuǎn)角θs，計(jì)算得到第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，并將第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑ps和第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，記為第s次搜索后無人機(jī)群的一條完整的最優(yōu)路徑；步驟7，令s加1，并將第s-1次搜索后無人機(jī)群前進(jìn)第innerstep步的速度作為第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d，將第s-1次搜索后無人機(jī)群前進(jìn)第innerstep步的最優(yōu)路徑作為第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d，然后返回步驟4；直到得到第searchnum次搜索后無人機(jī)群的一條完整的最優(yōu)路徑，所述第searchnum次搜索后無人機(jī)群的一條完整的最優(yōu)路徑包括第searchnum次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑psearchnum和第searchnum次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vsearchnum，進(jìn)而完成基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)過程。本發(fā)明的有益效果為：本發(fā)明提出的在速度偏轉(zhuǎn)角上使用蟻群算法進(jìn)行多步無人機(jī)群航跡規(guī)劃，達(dá)到了無人機(jī)群實(shí)時覆蓋面積最優(yōu)的目的。通過使用蟻群算法，為無人機(jī)群的下一組航跡點(diǎn)進(jìn)行了引導(dǎo)。由于當(dāng)覆蓋面積下降時，無人機(jī)群的飛行姿態(tài)能夠做出快速調(diào)整，故可以做到實(shí)時覆蓋面積最優(yōu)的效果。在本文所設(shè)參數(shù)下，實(shí)時覆蓋面積不低于99.4％，為無人機(jī)群預(yù)警奠定了基礎(chǔ)。附圖說明下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)說明。圖1是本發(fā)明的一種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法流程圖；圖2是采用本發(fā)明方法進(jìn)行無人機(jī)群航跡規(guī)劃某一時刻所對應(yīng)的實(shí)時覆蓋圖；其中灰色邊矩形區(qū)域表示監(jiān)視區(qū)域s，“·”表示無人機(jī)所處位置，箭頭指向無人機(jī)當(dāng)前速度方向，圓形表示單架無人機(jī)覆蓋區(qū)域；圖3是采用本發(fā)明方法進(jìn)行無人機(jī)航跡規(guī)劃所得到的最終航跡圖；其中虛線框表示無人機(jī)群的監(jiān)視區(qū)域s，每一條曲線表示每一架無人機(jī)的規(guī)劃航跡；圖4是使用本發(fā)明方法進(jìn)行無人機(jī)航跡規(guī)劃所得到的最終實(shí)時覆蓋百分比圖；其中，橫坐標(biāo)為搜索步數(shù)，縱坐標(biāo)為覆蓋百分比。具體實(shí)施方式參照圖1，為本發(fā)明的一種基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法流程圖；其中所述基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)方法，包括以下步驟：步驟1，設(shè)置系統(tǒng)仿真環(huán)境：首先，分別設(shè)定無人機(jī)群的監(jiān)視區(qū)域s、無人機(jī)群的可行飛行區(qū)域a和轉(zhuǎn)彎過程中每架無人機(jī)過載最大時的最大轉(zhuǎn)彎角，在轉(zhuǎn)彎角不超過θm的情況下，無人機(jī)群需要最大化地覆蓋無人機(jī)群的監(jiān)視區(qū)域s而又不能飛出無人機(jī)群的可行區(qū)域a，θm表示無人機(jī)速度的最大轉(zhuǎn)彎角；然后，設(shè)定機(jī)載雷達(dá)工作參數(shù)，包括機(jī)載雷達(dá)的峰值功率和天線增益，進(jìn)而設(shè)定無人機(jī)群包括的無人機(jī)架數(shù)為m，每架無人機(jī)上設(shè)置一個機(jī)載雷達(dá)，且每架無人機(jī)勻速飛行；一方面通過機(jī)載雷達(dá)的工作參數(shù)確定一架無人機(jī)所在機(jī)載雷達(dá)的最大作用距離rmax，另一方面無人機(jī)群包括的無人機(jī)架數(shù)m根據(jù)無人機(jī)群的監(jiān)視區(qū)域s的大小及單架無人機(jī)所在機(jī)載雷達(dá)的最大作用距離靈活設(shè)定；最后，設(shè)置搜索次數(shù)為searchnum，且搜索一次無人機(jī)群前進(jìn)的步數(shù)為innerstep也就是說，搜索結(jié)束后，每架無人機(jī)共前進(jìn)innerstep×searchnum步，并得到步數(shù)為innerstep×searchnum的最優(yōu)航跡；searchnum、innerstep分別為大于0的正整數(shù)。步驟1可分為如下子步驟：1a)設(shè)定無人機(jī)群的監(jiān)視區(qū)域s和可行飛行區(qū)域a：無人機(jī)群的監(jiān)視區(qū)域s是指無人機(jī)群機(jī)載分布式雷達(dá)需要實(shí)時覆蓋的區(qū)域，可行飛行區(qū)域a包含所有監(jiān)視區(qū)域，是監(jiān)視區(qū)域向四周擴(kuò)展設(shè)定距離范圍，其中設(shè)定范圍為50km；無人機(jī)群必須在可行飛行區(qū)域內(nèi)飛行，若超出該區(qū)域，則對監(jiān)視區(qū)域s的有效覆蓋面積勢必減小，且容易受到潛在地面防空導(dǎo)彈等的威脅；航跡規(guī)劃的最終目標(biāo)是實(shí)時最大化覆蓋監(jiān)視區(qū)域，使無人機(jī)群機(jī)載分布式雷達(dá)能夠最大程度地獲取地面信息。1b)設(shè)定無人機(jī)速度的最大轉(zhuǎn)彎角θm：無人機(jī)轉(zhuǎn)彎時依靠副翼進(jìn)行差動，使得機(jī)身傾斜，利用升力的向心分力進(jìn)行轉(zhuǎn)彎；對無人機(jī)進(jìn)行受力分析，可得：lcosγ＝mgmvp2/r＝lsinγ其中，l表示升力，γ表示橫滾角，即機(jī)身轉(zhuǎn)彎傾斜角；cos表示求余弦操作，sin表示求正弦操作，m表示無人機(jī)機(jī)身自重，g表示重力加速度，r表示無人機(jī)轉(zhuǎn)彎半徑，vp表示無人機(jī)飛行速度，則有：r＝vp2/(g×tanγ)其中，tan表示求正切操作，tanγ表示無人機(jī)過載；顯然過載越大，無人機(jī)轉(zhuǎn)彎半徑越小，進(jìn)而無人機(jī)轉(zhuǎn)彎所受約束越小；然而，無人機(jī)過載存在上限，過載最大時，橫滾角γ達(dá)到最大，此時可得到無人機(jī)最小轉(zhuǎn)彎半徑rmin。根據(jù)幾何關(guān)系和弧長公式，由無人機(jī)最小轉(zhuǎn)彎半徑rmin、無人機(jī)飛行速度vp和無人機(jī)飛行時間間隔△t，計(jì)算得到無人機(jī)速度的最大偏轉(zhuǎn)角θm，無人機(jī)速度的最大偏轉(zhuǎn)角θm指相鄰兩個時刻由于無人機(jī)速度方向變化產(chǎn)生的最大夾角，其表達(dá)式為：θm＝vp×△t/rmin。1c)設(shè)定機(jī)載雷達(dá)參數(shù)進(jìn)而設(shè)定無人機(jī)架數(shù)m：與無人機(jī)群航跡規(guī)劃實(shí)時最大化覆蓋監(jiān)視區(qū)域最為相關(guān)的是單架無人機(jī)所在機(jī)載雷達(dá)的作用范圍，此處將單架無人機(jī)所在機(jī)載雷達(dá)的探測區(qū)域簡化為一個圓，且設(shè)單架無人機(jī)所在機(jī)載雷達(dá)的最大作用距離為rmax，根據(jù)雷達(dá)方程計(jì)算得到，其表達(dá)式為：其中，pt表示機(jī)載雷達(dá)峰值功率，g表示機(jī)載雷達(dá)天線增益，λ表示機(jī)載雷達(dá)的發(fā)射機(jī)發(fā)射的電磁波波長，σ表示機(jī)載雷達(dá)檢測區(qū)域內(nèi)存在的目標(biāo)散射截面積，k表示波爾茲曼常數(shù)，t0表示標(biāo)準(zhǔn)室溫，b表示機(jī)載雷達(dá)的接收機(jī)帶寬，f表示噪聲系數(shù)，l表示機(jī)載雷達(dá)自身損耗，s/n表示機(jī)載雷達(dá)的信噪比，(s/n)omin表示機(jī)載雷達(dá)的最小可檢測門限。在已知無人機(jī)群的監(jiān)視區(qū)域s和單架無人機(jī)所在機(jī)載雷達(dá)的最大作用距離rmax的情況下，靈活對無人機(jī)群包括的無人機(jī)架數(shù)m進(jìn)行取值，使得無人機(jī)群覆蓋面積能夠完全覆蓋監(jiān)視區(qū)域s又不會產(chǎn)生過多冗余，提高無人機(jī)利用率。1d)分別設(shè)定搜索一次無人機(jī)群前進(jìn)的步數(shù)innerstep和搜索次數(shù)searchnum，本發(fā)明方法提出的多步尋優(yōu)覆蓋過程是指一次搜索中規(guī)劃無人機(jī)群前進(jìn)innerstep步的最優(yōu)航跡，無人機(jī)群在按照當(dāng)前規(guī)劃所得最優(yōu)航跡前進(jìn)innerstep步時，已經(jīng)可以開始規(guī)劃下一次搜索規(guī)劃無人機(jī)群前進(jìn)innerstep步的航跡了；因此，根據(jù)無人機(jī)群的監(jiān)視區(qū)域s的大小、單架無人機(jī)所在機(jī)載雷達(dá)的最大作用距離rmax以及覆蓋過程中使用的無人機(jī)群包括的無人機(jī)架數(shù)m，綜合考慮覆蓋過程中無人機(jī)群搜索一次所需的時間，設(shè)定無人機(jī)群搜索一次前進(jìn)的步數(shù)innerstep和搜索次數(shù)searchnum，達(dá)到綜合時間利用率最高的效果，搜索結(jié)束后，每架無人機(jī)共前進(jìn)innerstep×searchnum步，最終得到無人機(jī)群前進(jìn)innerstep×searchnum步的最優(yōu)航跡。步驟2，設(shè)置算法仿真參數(shù)：首先，確定蟻群的編碼參數(shù)，設(shè)蟻群算法螞蟻數(shù)為n，每只螞蟻的維數(shù)為m×1，即覆蓋過程中無人機(jī)架數(shù)，每只螞蟻中存儲m架無人機(jī)各自的飛行速度偏轉(zhuǎn)角；接著，設(shè)置算法的邊界條件，包括無人機(jī)速度的最大偏轉(zhuǎn)角θm，可行飛行區(qū)域a和算法終止條件(最大迭代次數(shù)d)。最后，設(shè)定無人機(jī)群的初始位置和無人機(jī)群的初始速度方向，分別用p0表示無人機(jī)群的初始位置矩陣，使用v0表示無人機(jī)群的初始速度向量。步驟2可分為如下子步驟：2a)設(shè)定蟻群編碼參數(shù)：設(shè)置蟻群算法螞蟻數(shù)為n，每只螞蟻的維數(shù)為m×1；以無人機(jī)飛行速度偏轉(zhuǎn)角為參數(shù)進(jìn)行編碼，則螞蟻的維數(shù)與無人機(jī)架數(shù)取值相等，即螞蟻的每一維表示一架無人機(jī)產(chǎn)生的飛行速度偏轉(zhuǎn)角，一只螞蟻代表一條可行的飛行航跡；多步尋優(yōu)算法中，搜索一次，每只螞蟻前進(jìn)innerstep步，n只螞蟻可以看成預(yù)先產(chǎn)生了n條可行的飛行航跡，尋優(yōu)過程就是選取n條可行的飛行航跡中的最優(yōu)飛行航跡。2b)設(shè)定邊界條件：邊界條件包括無人機(jī)速度的最大偏轉(zhuǎn)角θm、可行飛行區(qū)域a和蟻群算法終止條件，即設(shè)定最大迭代次數(shù)為d；通過對速度偏轉(zhuǎn)角進(jìn)行隨機(jī)搜索產(chǎn)生無人機(jī)飛行所需的速度偏轉(zhuǎn)角，當(dāng)無人機(jī)群產(chǎn)生的速度偏轉(zhuǎn)角θ絕對值超出無人機(jī)速度的最大偏轉(zhuǎn)角θm時，使用下式進(jìn)行修正：其中，rand(1)表示[0,1]的一個隨機(jī)數(shù)；修正的主要原因是防止無人機(jī)總是以最大速度偏轉(zhuǎn)角進(jìn)行轉(zhuǎn)彎，出現(xiàn)繞圈飛行的現(xiàn)象。2c)分別設(shè)定螞蟻初始速度和螞蟻初始位置，即無人機(jī)群進(jìn)入可行飛行區(qū)域a時的速度和所處位置，分別用p0表示無人機(jī)群的初始位置矩陣，用v0表示無人機(jī)群的初始速度向量，其表達(dá)式分別為：其中，i∈{1,2,…,m}，表示第i架無人機(jī)的初始位置，表示初始時刻第i架無人機(jī)的x軸坐標(biāo)，表示初始時刻第i架無人機(jī)的y軸坐標(biāo)；表示第i架無人機(jī)的初始速度，因?yàn)槊考軣o人機(jī)都是勻速飛行，故每架無人機(jī)的速度主要指每架無人機(jī)的速度方向。步驟3，可行航跡建模：首先，確定無人機(jī)群的位置偏轉(zhuǎn)角根據(jù)幾何關(guān)系，無人機(jī)群的位置偏轉(zhuǎn)角是無人機(jī)群產(chǎn)生的速度偏轉(zhuǎn)角θ的1/2；然后，確定合理的無人機(jī)群飛行軌跡，無人機(jī)群可到達(dá)的位置范圍由無人機(jī)速度的最大偏轉(zhuǎn)角θm限定，即單架無人機(jī)下一步可到達(dá)的極限位置是在該無人機(jī)當(dāng)前速度方向的基礎(chǔ)上上下偏轉(zhuǎn)θm到達(dá)的飛行位置，真實(shí)飛行軌跡為一條弧線，可近似作為圓弧處理。步驟3可分為如下子步驟：3a)確定無人機(jī)群的位置偏轉(zhuǎn)角假設(shè)每架無人機(jī)都勻速圓周轉(zhuǎn)彎，根據(jù)簡單的幾何知識，得到無人機(jī)群的位置偏轉(zhuǎn)角是無人機(jī)群產(chǎn)生的速度偏轉(zhuǎn)角θ的一半，即3b)確定合理的飛行軌跡：當(dāng)無人機(jī)群產(chǎn)生的速度偏轉(zhuǎn)角θ未超出無人機(jī)速度的最大偏轉(zhuǎn)角θm時，則無人機(jī)群產(chǎn)生的飛行航跡可行；當(dāng)無人機(jī)按照已產(chǎn)生的速度偏轉(zhuǎn)角θ勻速轉(zhuǎn)彎時，可以確定一條弧線，該條弧線即為可行飛行航跡并可近似為圓弧處理；這種近似是合理的，因?yàn)闊o人機(jī)沿圓弧飛行飛過的距離和沿弦長飛行飛過的距離近似相等，同時可以確定該圓弧所對應(yīng)的圓心角與無人機(jī)速度的最大偏轉(zhuǎn)角θm取值相等。建立評價標(biāo)準(zhǔn)，實(shí)現(xiàn)基于蟻群算法修正的無人機(jī)群航跡多步尋優(yōu)；令s表示第s次搜索，s∈[1,seachnum]，searchnum表示搜索次數(shù)，s的初始值為1，每次搜索分別進(jìn)行d次迭代，并分別令d表示第d次迭代，d∈[0,d]，d的初始值為0，d為大于0的正整數(shù)。分別令第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣記為ps,d，將第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量記為vs,d，且第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣p1,0為無人機(jī)群的初始位置矩陣p0，第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量v1,0為無人機(jī)群的初始速度向量v0。步驟4，首先對蟻群算法進(jìn)行初始化，主要是指對第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d進(jìn)行隨機(jī)初始化，每只螞蟻都包含m架無人機(jī)；進(jìn)而得到第s次搜索第d次迭代后n種可行的飛行航跡，其中第s次搜索第d次迭代后每種可行的飛行航跡分別是由第s次搜索第d次迭代后無人機(jī)群前進(jìn)innerstep步得到的位置信息和速度信息構(gòu)成，且不一定最優(yōu)。4.1根據(jù)第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d和第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量記為vs,d，分別得到第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d和第s次搜索截止到第d次迭代后的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d，第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d代表第s次搜索第d次迭代后n只螞蟻的基本信息，包括第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d、第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d、第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d和第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值是n×1維列矢量，且對應(yīng)第s次搜索第d次迭代后n只螞蟻的平均適應(yīng)度函數(shù)信息。具體地，將第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的可行位置記為表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步后在x軸的坐標(biāo)，表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步后在y軸的坐標(biāo)；將第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的速度記為則第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d為：其中，第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣為p1,0，且p1,0為無人機(jī)群的初始位置矩陣p0；表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的可行位置，且第s次搜索第d次迭代后n只螞蟻前進(jìn)第0步的可行位置為第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,0。第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d為：其中，第1次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量為v1,0，且v1,0為無人機(jī)群的初始速度向量v0；表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的速度。第s次搜索第d+1次迭代后n只螞蟻前進(jìn)第k步的可行位置為且由第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的可行位置計(jì)算得到，第s次搜索第d次迭代后n只螞蟻前進(jìn)第k+1步的速度由第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的速度計(jì)算得到。將第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的速度偏轉(zhuǎn)角記為并計(jì)算得到第s次搜索第d次迭代后n只螞蟻前進(jìn)第k+1步的可行位置第s次搜索、第d次迭代后n只螞蟻前進(jìn)第k+1步的速度為：其中，vp表示無人機(jī)飛行速度，sin表示求正弦操作，cos表示求余弦操作；表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的速度，且第s次搜索第d次迭代后n只螞蟻前進(jìn)第0步的速度為第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,0；若s>1時，第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,0為第s-1次搜索第d次迭代后前進(jìn)無人機(jī)群前進(jìn)第innerstep步的位置信息，即第s-1次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps-1,d,opt，ps-1,d,opt也代表第s-1次搜索后無人機(jī)群的最優(yōu)位置；至此完成第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d和第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d的計(jì)算。第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d是關(guān)于第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的位置信息的函數(shù)，由適應(yīng)度函數(shù)計(jì)算，將第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的總覆蓋面積無人機(jī)群的轉(zhuǎn)彎約束lc和第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的邊界約束加權(quán)作為第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d；其中為第s次搜索、第d次迭代后n只螞蟻前進(jìn)第k步的總覆蓋面積，如果多架無人機(jī)同時覆蓋一塊區(qū)域，則只計(jì)入一架無人機(jī)在該區(qū)域的覆蓋面積；和都是關(guān)于的函數(shù)；因而，計(jì)算得到第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)其中，a表示無人機(jī)群的轉(zhuǎn)彎約束lc的權(quán)重，b表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的邊界約束加權(quán)的權(quán)重，且a+b＝1；表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的總覆蓋面積，ssd,ki表示第s次搜索第d次迭代后每只螞蟻中第i架無人機(jī)前進(jìn)第k步所覆蓋的圓形區(qū)域。因此，將第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)記為第s次搜索第d次迭代中n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)值進(jìn)而計(jì)算得到第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值其中，表示第s次搜索第d次迭代后n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)值。第s次搜索截止到第d次迭代后的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d代表第s次搜索截止到第d次迭代后n只螞蟻的歷史最優(yōu)的基本信息，包括第s次搜索截止到第d次迭代n只螞蟻產(chǎn)生的歷史最優(yōu)速度偏轉(zhuǎn)角θ′s,d，第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步中的歷史最優(yōu)位置信息矩陣p′s,d，第s次搜索截止到第d次迭代n只螞蟻每前進(jìn)一步的歷史最優(yōu)適應(yīng)度函數(shù)值f′s,d和第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)平均適應(yīng)度函數(shù)值和第s次搜索截止到第d次迭代后全局歷史最優(yōu)螞蟻的基本信息；其中，第s次搜索第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻的基本信息，包括第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θs,d,opt，第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d,opt，第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d,opt，以及第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值是一個數(shù)值，對應(yīng)所有元素中的最大值；此處以覆蓋面積、邊界約束和鼓勵直線飛行加權(quán)作為第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d，并以第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值作為評價螞蟻性能優(yōu)劣的標(biāo)準(zhǔn)，越大，表示第s次搜索第d次迭代后n只螞蟻性能越好，即第s次搜索第d次迭代后n只螞蟻所代表的可行飛行航跡越好；其計(jì)算公式包括：n＝1,2,...,nk＝1,2,…,innerstep其中，antswarms,d(n,k)表示第s次搜索第d次迭代后第n只螞蟻前進(jìn)第k步的信息，包含第s次搜索第d次迭代后第n只螞蟻前進(jìn)第k步的速度偏轉(zhuǎn)角θs,d(n,k)、第s次搜索第d次迭代后第n只螞蟻前進(jìn)第k步的位置矩陣ps,d(n,k)、第s次搜索第d次迭代后第n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)值fs,d(n,k)；表示第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值，表示第s次搜索第d次迭代后第n只螞蟻前進(jìn)innerstep步之后的平均適應(yīng)度函數(shù)值，表示第s次搜索截止到第d次迭代后第n只螞蟻前進(jìn)innerstep步之后歷史最優(yōu)的平均適應(yīng)度函數(shù)值，optswarms,d(n,k)包含第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)第k步的歷史最優(yōu)的基本信息，包含第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)第k步的歷史最優(yōu)速度偏轉(zhuǎn)角θ′s,d(n,k)、第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)第k步的位置矩陣p′s,d(n,k)、第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)第k步的適應(yīng)度函數(shù)值f′s,d(n,k)；表示第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值，且是由第s次搜索、截止到第d次迭代每只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值構(gòu)成的n維列矢量；optswarms,d(n,k)還包含第s次搜索截止到第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻的基本信息，包括第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θs,d,opt，第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d,opt，第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d,opt，以及第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值分別令第s次搜索第0次迭代后的第一數(shù)據(jù)結(jié)構(gòu)為antsawrms,0，令第s次搜索第0次迭代后的第二數(shù)據(jù)結(jié)構(gòu)為optsawrms,0，第s次搜索第0次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,0中包含第s次搜索、第0次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,0，第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,0，第s次搜索第0次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,0，以及第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值并令第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量為vs,0。所述第s次搜索、第0次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,0，其表達(dá)式為：θs,0＝rand(m,n)×(θm-(-θm))+(-θm)；其中，rand(m,n)表示產(chǎn)生一個m×n維的隨機(jī)矩陣，且該隨機(jī)矩陣中的每一個元素都是[0,1]區(qū)間的一個隨機(jī)數(shù)；θm表示無人機(jī)速度的最大偏轉(zhuǎn)角。通過比較第s次搜索第0次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值中每一維的適應(yīng)度函數(shù)值大小，其中每一維的適應(yīng)度函數(shù)值分別對應(yīng)一只螞蟻；將適應(yīng)度函數(shù)值最大的一維作為全局歷史最優(yōu)螞蟻，進(jìn)而得到第s次搜索第0次迭代后全局歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值第s次搜索第0次迭代后全局歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θs,0,opt，第s次搜索第0次迭代后全局歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps,0,opt，以及第s次搜索第0次迭代后全局歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,0,opt，得到第s次搜索第0次迭代后的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,0。引入第s次搜索第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d，第s次搜索第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d用于存儲迭代過程中的信息素，信息素是蟻群算法尋優(yōu)的重要指導(dǎo)信息，將蟻群算法應(yīng)用到無人機(jī)群航跡尋優(yōu)中時，信息素指導(dǎo)第s次搜索第d次迭代后的每一只螞蟻向截止第s次搜索第d次迭代后的全局歷史最優(yōu)螞蟻靠近；在算法實(shí)現(xiàn)過程中需要實(shí)時更新信息素，信息素的初始值為初始化的第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值；其中第s次搜索第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)初始值為第s次搜索第0次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,0：其中，表示第s次搜索第0次迭代后第n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值。進(jìn)行蟻群算法的第d次迭代，1≤d≤d，得到第s次搜索、第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d，即讓第s次搜索第d次迭代后無人機(jī)群前進(jìn)innerstep步；d的初始值為1；在第d次迭代中，根據(jù)第s次搜索第d-1次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d-1，計(jì)算第s次搜索第d次迭代后n只螞蟻的狀態(tài)轉(zhuǎn)移概率pros,d，pros,d為n×1維列矢量，對應(yīng)第s次搜索第d次迭代后n只螞蟻的狀態(tài)轉(zhuǎn)移概率；且pros,d決定第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d-1的更新方式，第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d在第s次搜索第d-1次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d-1的基礎(chǔ)上通過隨機(jī)搜索產(chǎn)生，通過不同的更新方式得到第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d，進(jìn)而計(jì)算得到第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d，第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d，第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d，以及第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值其中，θs,d、ps,d、fs,d、為第s次搜索第d次迭代后n只螞蟻的基本信息。至此，得到第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d。具體地，所述第s次搜索第d次迭代后n只螞蟻的狀態(tài)轉(zhuǎn)移概率pros,d，其計(jì)算方式如下：pros,d＝(pros,d(1),pros,d(2),…,pros,d(n),…,pros,d(n)info_bests,d-1＝max(infos,d-1)其中，pros,d(n)表示第s次搜索第d次迭代后第n只螞蟻的狀態(tài)轉(zhuǎn)移概率，infos,d-1(n)表示第s次搜索第d-1次迭代后第n只螞蟻攜帶的信息素，第s次搜索第d-1次迭代后第n只螞蟻攜帶的信息素為第s次搜索第d-1次迭代后第n只螞蟻前進(jìn)innerstep步之后對應(yīng)的全局歷史最優(yōu)的平均適應(yīng)度函數(shù)值；info_bests,d-1表示第s次搜索第d-1次迭代后n只螞蟻攜帶信息素的最大值，infos,d-1表示第s次搜索第d-1次迭代后的第三數(shù)據(jù)結(jié)構(gòu)，abs()表示取絕對值操作，max()表示取最大值操作。狀態(tài)轉(zhuǎn)移概率衡量的是第s次搜索中，第n只螞蟻和迭代到第d-1次為止最優(yōu)螞蟻的差異，因此可以通過狀態(tài)轉(zhuǎn)移概率大小決定第s次搜索第d-1次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d-1的更新方式，即當(dāng)?shù)趕次搜索第d次迭代后第n只螞蟻的狀態(tài)轉(zhuǎn)移概率pros,d(n)小于設(shè)定的轉(zhuǎn)移概率常數(shù)pro0時，說明第s次搜第d次迭代后第n只螞蟻距離當(dāng)前全局歷史最優(yōu)螞蟻比較近，且令第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d只在局部范圍內(nèi)搜索；反之，說明第s次搜索第d次迭代后第n只螞蟻距離當(dāng)前全局歷史最優(yōu)螞蟻比較遠(yuǎn)，則令第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d在全局范圍[-θm,θm]內(nèi)搜索，進(jìn)而得到第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d，其計(jì)算方式如下：其中，θs,d-1表示第s次搜索第d-1次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角，step為設(shè)定的局部搜索步長；lamda為動態(tài)步長調(diào)整因子，通常取當(dāng)前迭代次數(shù)d的倒數(shù)；θm表示無人機(jī)速度的最大轉(zhuǎn)彎角，rand(innerstep,m)表示innerstep和m之間的一個隨機(jī)數(shù)。根據(jù)第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d，分別計(jì)算得到第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d、第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d和第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值其計(jì)算方式分別如下：其中，k∈[1:innerstep]；至此，得到第s次搜索第d次迭代后n只螞蟻的基本信息，構(gòu)成第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d，包括第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d、第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d、第s次搜索第d次迭代后n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d，以及第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值從而得到第s次搜索第d次迭代后的第一數(shù)據(jù)結(jié)構(gòu)antsawrms,d。4.2比較第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值的第n維和第s次搜索截止到第d-1次迭代后n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值的第n維的大小，n∈[1:n]；其中，和都是n維列矢量，相同維數(shù)代表同一只螞蟻在兩次不同搜索中的平均適應(yīng)度函數(shù)值；表示第s次搜索第d次迭代后第n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值，表示第s次搜索截止到第d-1次迭代后第n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值。如果則將第s次搜索截止到第d次迭代第n只螞蟻歷史最優(yōu)的平均適應(yīng)度函數(shù)值第s次搜索截止到第d次迭代第n只螞蟻歷史最優(yōu)的速度偏轉(zhuǎn)角θ′s,d(n)、第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)innerstep步中的歷史最優(yōu)位置信息矩陣p′s,d(n)和第s次搜索截止到第d次迭代第n只螞蟻每前進(jìn)一步的歷史最優(yōu)適應(yīng)度函數(shù)值f′s,d(n)分別對應(yīng)為第s次搜索第d次迭代后第n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值第s次搜索第d次迭代后第n只螞蟻前進(jìn)innerstep步產(chǎn)生的速度偏轉(zhuǎn)角θs,d(n)、第s次搜索第d次迭代后第n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d(n)、第s次搜索第d次迭代后第n只螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d(n)，得到第s次搜索第d次迭代后第n只螞蟻的信息。反之，如果則將第s次搜索截止到第d-1次迭代后第n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值第s次搜索截止到第d-1次迭代第n只螞蟻產(chǎn)生的歷史最優(yōu)速度偏轉(zhuǎn)角θ′s,d-1(n)、第s次搜索截止到第d-1次迭代第n只螞蟻前進(jìn)innerstep步中的歷史最優(yōu)位置信息矩陣p′s,d-1(n)、第s次搜索截止到第d-1次迭代第n只螞蟻每前進(jìn)一步的歷史最優(yōu)適應(yīng)度函數(shù)值f′s,d-1(n)分別對應(yīng)記為第s次搜索截止到第d次迭代第n只螞蟻歷史最優(yōu)的平均適應(yīng)度函數(shù)值第s次搜索截止到第d次迭代第n只螞蟻歷史最優(yōu)的速度偏轉(zhuǎn)角θ′s,d(n)、第s次搜索截止到第d次迭代第n只螞蟻前進(jìn)innerstep步中的歷史最優(yōu)位置信息矩陣p′s,d(n)和第s次搜索截止到第d次迭代第n只螞蟻每前進(jìn)一步的歷史最優(yōu)適應(yīng)度函數(shù)值f′s,d(n)，得到第s次搜索第d次迭代后第n只螞蟻的信息。4.3令n分別取1至n，重復(fù)執(zhí)行4.2，進(jìn)而分別得到第s次搜索第d次迭代后第1只螞蟻的信息至第s次搜索第d次迭代后第n只螞蟻的信息，記為第s次搜索截止到第d次迭代n只螞蟻歷史最優(yōu)的基本信息，所述第s次搜索截止到第d次迭代n只螞蟻歷史最優(yōu)的基本信息包括第s次搜索截止到第d次迭代后n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值第s次搜索截止到第d次迭代n只螞蟻產(chǎn)生的歷史最優(yōu)速度偏轉(zhuǎn)角θ′s,d、第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步中的歷史最優(yōu)位置信息矩陣p′s,d、第s次搜索截止到第d次迭代n只螞蟻每前進(jìn)一步的歷史最優(yōu)適應(yīng)度函數(shù)值f′s,d，其表達(dá)式分別為：θ′s,d＝(θ′s,d(1),θ′s,d(2),…,θ′s,d(n),…,θ′s,d(n))p′s,d＝(p′s,d(1),p′s,d(2),…,p′s,d(n),…,p′s,d(n))f′s,d＝(f′s,d(1),f′s,d(2),…,f′s,d(n),…,f′s,d(n))得到第s次搜索截止到第d次迭代n只螞蟻歷史最優(yōu)的基本信息后將n重置為1。4.4第s次搜索截止到第d次迭代后n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值是n維列矢量，每一維列矢量代表第s次搜索截止到第d次迭代后相應(yīng)一只螞蟻前進(jìn)innerstep步的歷史最優(yōu)的平均適應(yīng)度函數(shù)值，比較中每一維列矢量大小，將中列矢量最大時對應(yīng)的螞蟻記為第s次搜索截止到第d次迭代全局歷史最優(yōu)螞蟻nmax，n∈[1:n]，nmax∈[1:n]，進(jìn)而第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θs,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值分別為第s次搜索第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θ′s,d(nmax)、第s次搜索第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣p′s,d(nmax)、第s次搜索第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值f′s,d(nmax)，以及第s次搜索第d次迭代后n只螞蟻中的全局歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值θs,d,opt、ps,d,opt、fs,d,opt、為第s次搜索截止到第d次迭代后全局歷史最優(yōu)螞蟻的基本信息；至此得到第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d。4.5利用第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d中第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的歷史最優(yōu)平均適應(yīng)度函數(shù)值計(jì)算得到第s次搜索第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d，infos,d用于計(jì)算第s次搜索第d+1次迭代后n只螞蟻的狀態(tài)轉(zhuǎn)移概率pros,d+1，是蟻群算法發(fā)揮作用的關(guān)鍵；第s次搜索第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d由兩部分構(gòu)成，一部分是第s次搜索第d-1次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d-1的揮發(fā)殘留，另一部分是第s次搜索第d次迭代后新的信息素infonew的加入，定義信息素蒸發(fā)系數(shù)ρ，則(1-ρ)代表第s次搜索第d-1次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d-1中的信息素?fù)]發(fā)殘留，所述第s次搜索第d次迭代后新的信息素infonew為第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值因此，第s次搜索、第d次迭代后的第三數(shù)據(jù)結(jié)構(gòu)infos,d的計(jì)算方式如下：其中，infos,d-1表示第s次搜索第d-1次迭代后的第三數(shù)據(jù)結(jié)構(gòu)，存儲第s次搜索截止到第d-1次迭代后的信息素；表示第s次搜索截止到第d次迭代n只螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值，n∈[1:n]，f′g_ave(n)s,d表示第s次搜索截止到第d次迭代后第n只螞蟻前進(jìn)innerstep步之后的平均適應(yīng)度函數(shù)值。步驟5，令d加1，重復(fù)執(zhí)行步驟4，直到得到第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d，所述第s次搜索截止到第d次迭代的第二數(shù)據(jù)結(jié)構(gòu)optsawrms,d中包括第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻的速度偏轉(zhuǎn)角θs,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻每前進(jìn)一步的適應(yīng)度函數(shù)值fs,d,opt、第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻前進(jìn)innerstep步的平均適應(yīng)度函數(shù)值其中第s次搜索第d次迭代后n只螞蟻中的歷史最優(yōu)螞蟻為第s次搜索后的最優(yōu)螞蟻，所述第s次搜索后的最優(yōu)螞蟻為第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)航跡，具體表現(xiàn)為第s次搜索后最優(yōu)螞蟻前進(jìn)innerstep步的速度偏轉(zhuǎn)角為第s次搜索后無人機(jī)群前進(jìn)innerstep步最優(yōu)的速度偏轉(zhuǎn)角θs，第s次搜索后最優(yōu)螞蟻前進(jìn)innerstep步的位置為第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑ps，表示第s次搜索后無人機(jī)群前進(jìn)第k步的最優(yōu)路徑；然后將d初始化為0。步驟6，根據(jù)第s次搜索后無人機(jī)群前進(jìn)innerstep步最優(yōu)的速度偏轉(zhuǎn)角θs，計(jì)算得到第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，并將第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑ps和第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，記為第s次搜索后無人機(jī)群的一條完整的最優(yōu)路徑。步驟6的子步驟為：6a)根據(jù)第s次搜索后無人機(jī)群前進(jìn)innerstep步最優(yōu)的速度偏轉(zhuǎn)角θs，計(jì)算得到第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，表示第s次搜索后無人機(jī)群前進(jìn)第k步的速度。6a.1)將將第s次搜索后無人機(jī)群前進(jìn)第k步最優(yōu)的速度偏轉(zhuǎn)角記為則第s次搜索后無人機(jī)群前進(jìn)第k+1步的速度為其計(jì)算方式如下：其中，k∈[1:innerstep]，k+1∈[1:innerstep]；得到第s次搜索后無人機(jī)群前進(jìn)第k+1步的速度后要將對2π進(jìn)行取余操作，以符合實(shí)際的無人機(jī)群速度取值范圍[0,2π]。將第1次搜索后無人機(jī)群前進(jìn)第1步的速度記為計(jì)算時將第1次搜索后無人機(jī)群前進(jìn)第0步的速度取為無人機(jī)群的初始速度向量v0；若s>1，計(jì)算第s次搜索后無人機(jī)群前進(jìn)第1步的速度時，第s次搜索后無人機(jī)群前進(jìn)第0步的速度取為第s-1次搜索后無人機(jī)群前進(jìn)第innerstep步的速度6a.2)令k加1，重復(fù)執(zhí)行6a.1)，直至計(jì)算得到第s次搜索后無人機(jī)群前進(jìn)第innerstep步的速度并將此時得到的第s次搜索后無人機(jī)群前進(jìn)第1步的速度至第s次搜索后無人機(jī)群前進(jìn)第innerstep步的速度記為第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs。6b)將第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑ps和第s次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vs，記為第s次搜索后無人機(jī)群的一條完整的最優(yōu)路徑。步驟7，令s加1，并將第s-1次搜索后無人機(jī)群前進(jìn)第innerstep步的速度作為第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的速度信息矢量vs,d，將第s-1次搜索后無人機(jī)群前進(jìn)第innerstep步的最優(yōu)路徑作為第s次搜索第d次迭代后n只螞蟻前進(jìn)innerstep步的位置信息矩陣ps,d，然后返回步驟4。直到得到第searchnum次搜索后無人機(jī)群的一條完整的最優(yōu)路徑，所述第searchnum次搜索后無人機(jī)群的一條完整的最優(yōu)路徑包括第searchnum次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)路徑psearchnum和第searchnum次搜索后無人機(jī)群前進(jìn)innerstep步的最優(yōu)速度vsearchnum，進(jìn)而得到基于蟻群算法多步尋優(yōu)修正的、以總的覆蓋面積、轉(zhuǎn)彎約束和邊界約束加權(quán)作為適應(yīng)度函數(shù)的無人機(jī)群最優(yōu)航跡，完成基于蟻群算法的無人機(jī)群區(qū)域覆蓋的多步尋優(yōu)過程。本發(fā)明的效果可由以下仿真實(shí)驗(yàn)作進(jìn)一步說明：(一)仿真條件：1)設(shè)置無人機(jī)飛行環(huán)境信息和自身系統(tǒng)參數(shù)。設(shè)定無人機(jī)的監(jiān)視區(qū)域s為400km×400km的矩形區(qū)域，無人機(jī)的可行飛行區(qū)域a為500km×500km的矩形區(qū)域，即監(jiān)視區(qū)域向四周分別擴(kuò)展50km。利用9架無人機(jī)在該區(qū)域飛行，各架無人機(jī)飛行初始位置為監(jiān)視區(qū)域邊框上的任意一點(diǎn)，各架無人機(jī)的初始速度任意；設(shè)置無人機(jī)的巡航速度為150m/s，設(shè)定載機(jī)最大橫滾角為30°，飛行間隔△t為20s，可以計(jì)算得出無人機(jī)飛行的最大速度偏轉(zhuǎn)角θm為45°；由雷達(dá)方程可得單架無人機(jī)的區(qū)域覆蓋面積rmax(最大作用距離范圍)，此處設(shè)定區(qū)域覆蓋為半徑為120km的圓。假定預(yù)測200步的無人機(jī)群航跡，使用蟻群算法多步尋優(yōu)進(jìn)行無人機(jī)群航跡規(guī)劃。2)具體的算法參數(shù)如下表所示：螞蟻只數(shù)n30螞蟻維數(shù)m9最大速度偏轉(zhuǎn)角θm(邊界條件)45°最大迭代次數(shù)k100局部搜索步長step1轉(zhuǎn)移概率常數(shù)pro00.001信息素蒸發(fā)系數(shù)ρ0.9轉(zhuǎn)彎約束權(quán)重a1邊界約束權(quán)重b1(二)仿真內(nèi)容及結(jié)果分析采用蟻群算法多步尋優(yōu)進(jìn)行無人機(jī)群航跡規(guī)劃，無人機(jī)對整個區(qū)域的覆蓋面積如圖2所示。圖中“·”表示無人機(jī)所處位置，箭頭指向無人機(jī)當(dāng)前速度方向，圓形表示單架無人機(jī)覆蓋區(qū)域，陰影區(qū)域表示無人機(jī)此時覆蓋面積。此時，無人機(jī)群尚未完全覆蓋整個區(qū)域，但從當(dāng)前速度方向來看，無人機(jī)群正向完全覆蓋監(jiān)視區(qū)域的方向飛行，該圖對應(yīng)的覆蓋率為99.7％。圖3給出了本次航跡規(guī)劃最終得到的無人機(jī)群航跡，虛線框表示無人機(jī)的監(jiān)視區(qū)域s。由圖可知，當(dāng)無人機(jī)相互接近時，算法會自動迫使無人機(jī)離開原來自己位置向其他方向飛行。由于飛行是動態(tài)的，當(dāng)達(dá)到覆蓋率達(dá)到100％后，必然會下降，覆蓋率下降時算法會試圖彌補(bǔ)覆蓋率。若某架無人機(jī)的監(jiān)視區(qū)域沒有其他無人機(jī)進(jìn)入，則該架無人機(jī)會很快轉(zhuǎn)彎去彌補(bǔ)失去的覆蓋率，造成繞圈飛行的現(xiàn)象。由此可見，無人機(jī)群航跡規(guī)劃對初始條件要求苛刻。圖中左下角的無人機(jī)由于沒有其他無人機(jī)補(bǔ)充，故一直自身繞圈飛行，近似起到了一個固定雷達(dá)的作用。圖4給出了使用本發(fā)明方法的實(shí)時覆蓋百分比圖。由該圖可以得出，使用蟻群算法有效地提高了無人機(jī)群的實(shí)時覆蓋百分比。聯(lián)系圖2可以得出，當(dāng)各架無人機(jī)的位置分布的較均勻時，覆蓋率較大；而當(dāng)某一時刻無人機(jī)的位置靠近監(jiān)視區(qū)域s邊界時，無人機(jī)群的實(shí)時覆蓋面積將下降。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍；這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。當(dāng)前第1頁12