朱莉凱　沈朝萍　沈?qū)殗?guó)　楊文杰

摘要：無(wú)人機(jī)航跡規(guī)劃是指嚴(yán)格按照給定任務(wù)規(guī)劃出滿(mǎn)足具體約束條件的飛行軌跡。航跡規(guī)劃的優(yōu)劣直接決定任務(wù)完成與否。因此，航跡規(guī)劃的進(jìn)一步研究成為無(wú)人機(jī)技術(shù)研究的重點(diǎn)項(xiàng)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(yōu)缺點(diǎn)，同時(shí)，對(duì)未來(lái)無(wú)人機(jī)航跡規(guī)劃群智商能優(yōu)化算法的發(fā)展前景進(jìn)行了展望。

關(guān)鍵詞：無(wú)人機(jī);航跡規(guī)劃;群智能優(yōu)化算法;綜述

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）08-0126-01

1 常見(jiàn)的無(wú)人機(jī)航跡規(guī)劃群智能優(yōu)化算法

1.1 粒子群算法

對(duì)于鳥(niǎo)群來(lái)說(shuō)通常在大自然中飛行，不同鳥(niǎo)類(lèi)有自身的飛行速度和軌跡，可接收來(lái)自周邊同類(lèi)鳥(niǎo)類(lèi)發(fā)來(lái)的信息，并依據(jù)信息迅速調(diào)整飛行位置和速度，在鳥(niǎo)群遷徙過(guò)程中會(huì)朝著。食物資源區(qū)域進(jìn)行分析，在遷徙前期從一定程度上來(lái)看鳥(niǎo)類(lèi)飛行為無(wú)目的飛行，直到發(fā)現(xiàn)食物源，而且適合鳥(niǎo)類(lèi)棲息的場(chǎng)地時(shí)，鳥(niǎo)類(lèi)會(huì)將此信息傳遞給后面的鳥(niǎo)，之后其他鳥(niǎo)類(lèi)也會(huì)朝該存在食物棲息地的位置飛行，可見(jiàn)在鳥(niǎo)類(lèi)飛行中會(huì)體現(xiàn)出群體效應(yīng)，進(jìn)而為做出正確優(yōu)化提供依據(jù)。從這一角度上來(lái)看，通過(guò)自身經(jīng)驗(yàn)，群體效應(yīng)等進(jìn)行決策優(yōu)化，即分工合作，相比其他智能優(yōu)化算法來(lái)說(shuō)，群粒子群算法具有較強(qiáng)的通用性，收斂速度，快迭代，簡(jiǎn)單而且很容易實(shí)現(xiàn)仿真分析，但是在實(shí)際應(yīng)用過(guò)程中該算法也存在很多問(wèn)題。

1.2 蟻群算法

該算法是現(xiàn)代新衍生出來(lái)的一種進(jìn)化算法，被稱(chēng)為是螞蟻算法，在1992年國(guó)外研究學(xué)者首次提出智能仿真算法，該算法來(lái)源于螞蟻覓食行為，也被認(rèn)為是一種乙蟻群的群體搜索行為，在螞蟻棲息時(shí)相互之間可通過(guò)信息激素進(jìn)行信號(hào)傳遞，假設(shè)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(fā)現(xiàn)食物源時(shí)會(huì)及時(shí)向周邊發(fā)出分泌物，將其作為傳遞信號(hào)，告知其他螞蟻迅速接近食物源，經(jīng)過(guò)時(shí)間積累大量螞蟻會(huì)成群聚集在這路徑上，所有螞蟻會(huì)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(shí)都會(huì)遵循這種規(guī)律，也有存在其他蟻群會(huì)按自己方式開(kāi)辟路徑，通過(guò)多種途徑找到食物源，同時(shí)分泌性激素，長(zhǎng)時(shí)間積累如果相比原開(kāi)辟路徑來(lái)說(shuō)新開(kāi)辟的路徑較短時(shí)，將會(huì)有大批的螞蟻根據(jù)新路徑尋找到最終螞蟻群中大多數(shù)螞蟻也會(huì)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(guò)程，當(dāng)其巢穴與食物源兩者之間無(wú)任何障礙物時(shí)，路徑相當(dāng)于直線(xiàn)。在螞蟻巢與食物源地兩者之間存在一定的阻礙物時(shí)，螞蟻會(huì)主動(dòng)繞行，避開(kāi)障礙物，重新找出到達(dá)食物源地的路線(xiàn)。蟻群算法的優(yōu)點(diǎn)體現(xiàn)在，魯棒性較好、正反饋機(jī)制，計(jì)算并行，可以與其他算法融合，然而在實(shí)際應(yīng)用過(guò)程中利用與其算法也存在很多問(wèn)題，具體體現(xiàn)為：（1）螞蟻群算法是一種啟發(fā)式仿生算法，利用目前所處位置和下一階段的目標(biāo)位置之間的距離，將其作為算法啟發(fā)信息，當(dāng)遇到障礙物時(shí)預(yù)先規(guī)避方面還存在很多問(wèn)題。（2）螞蟻群算法由于缺乏前期正確指導(dǎo)信息，導(dǎo)致該算法在初期使用過(guò)程中具有一定隨意性其性能會(huì)隨著搜索環(huán)境的擴(kuò)大而變差。

1.3 蜂群算法

蜂群是具體性較強(qiáng)的飛行生物，從表面上來(lái)看不同蜜蜂其飛行活動(dòng)比較簡(jiǎn)單，然而其構(gòu)成群體后統(tǒng)一行為比較復(fù)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(gè)蜜蜂之間存在較大差異，但它們都可獨(dú)立完成復(fù)雜工作，包括筑巢，繁殖等，蜂群最大優(yōu)勢(shì)是可以根據(jù)不同情況進(jìn)行角色轉(zhuǎn)換，在采蜜過(guò)程中蜂群之間是在協(xié)同合作，而不是單獨(dú)行動(dòng)，這樣能夠準(zhǔn)確、快速的找到它們所需的花蜜。而且蜂群對(duì)周?chē)h(huán)境的不同變化適應(yīng)能力也是相當(dāng)強(qiáng)的。2005年研究學(xué)者提出人工封群算法，該算法具有一定的智能規(guī)劃性，群體性和統(tǒng)一性，其主要來(lái)源于實(shí)際生活中蜜蜂的日常行為，通常食物源所在位置是其優(yōu)化的可行解法，待采蜜蜂源解的質(zhì)量是與其豐富度相對(duì)應(yīng)的，即采蜜源解質(zhì)量會(huì)隨豐富程度的提高而變得更加豐富。例如，蜂群去某地開(kāi)釆花蜜，引領(lǐng)蜂會(huì)將它采蜜的全部信息傳遞給蜂巢中等待的觀(guān)察蜂，而當(dāng)?shù)却械拿鄯涫盏酱诵畔⒑?，?huì)以其獨(dú)特的方式選擇更好的蜜源進(jìn)行開(kāi)采。人工蜂群算法利用蜂群中的每個(gè)單一個(gè)體，使其分工明確，各司其職，這種算法特別適用于群體復(fù)雜問(wèn)題的解決。

2 展望

當(dāng)前隨著信息技術(shù)的發(fā)展，我們逐漸步入了信息爆炸時(shí)代，隨高科技信息化的發(fā)展也逐漸延伸入現(xiàn)代戰(zhàn)爭(zhēng)中，立體、多維成現(xiàn)代戰(zhàn)爭(zhēng)標(biāo)志，無(wú)人機(jī)具有重量輕、造價(jià)低、機(jī)動(dòng)性能較高以及無(wú)需冒著生命危險(xiǎn)等諸多優(yōu)勢(shì)，未來(lái)將會(huì)在軍事戰(zhàn)爭(zhēng)領(lǐng)域中占據(jù)重要的角色。另外，隨雷達(dá)技術(shù)的發(fā)展，相控陣?yán)走_(dá)技術(shù)具有越來(lái)越廣的應(yīng)用性，所以導(dǎo)彈精準(zhǔn)度的提升，在利用無(wú)人機(jī)進(jìn)行任務(wù)執(zhí)行過(guò)程中，面對(duì)更加嚴(yán)厲的環(huán)境，所面臨的風(fēng)險(xiǎn)也會(huì)越來(lái)越大，因此，大都情況下，僅憑單個(gè)飛機(jī)很難完成任務(wù)。但是考慮到無(wú)人機(jī)執(zhí)行任務(wù)時(shí)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(lái)信息化戰(zhàn)爭(zhēng)的需求，開(kāi)始研究無(wú)人機(jī)的協(xié)同合作，這樣可以實(shí)現(xiàn)冗余配置，有效的提高任務(wù)的完成率。除此之外，使用多架無(wú)人機(jī)進(jìn)行分配任務(wù)飛行時(shí)能夠縮短任務(wù)執(zhí)行時(shí)間，提升任務(wù)執(zhí)行力，因此使用多項(xiàng)無(wú)人機(jī)進(jìn)行合作完成任務(wù)是未來(lái)無(wú)人機(jī)發(fā)展趨勢(shì)。其次，針對(duì)群智能優(yōu)化算法來(lái)說(shuō)，隨著該算法理論優(yōu)化的發(fā)展，新型群智能化算法將陸續(xù)為開(kāi)發(fā)出來(lái)并得到長(zhǎng)遠(yuǎn)發(fā)展，也能夠成為優(yōu)化算法解決各種問(wèn)題，雖然不同算法有其各自有缺點(diǎn)，然而在實(shí)際應(yīng)用過(guò)程中還存在很多不足之處，未來(lái)對(duì)于優(yōu)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(yōu)勢(shì)，克服缺點(diǎn)，獲取最佳的算法性能，混合算法通常會(huì)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(jìn)行混合。

3 結(jié)語(yǔ)

總上所述，針對(duì)無(wú)人機(jī)航跡規(guī)劃中已知環(huán)境下靜態(tài)航跡預(yù)測(cè)規(guī)劃的已經(jīng)逐漸成熟，所以目前無(wú)人機(jī)任務(wù)的復(fù)雜度，再加上外界環(huán)境存在的不確定性，在處于未知環(huán)境條件下，無(wú)人機(jī)實(shí)時(shí)行跡規(guī)劃相關(guān)研究也成為了當(dāng)前急需解決的重難點(diǎn)問(wèn)題。

參考文獻(xiàn)

[1] 雷蕾.智能優(yōu)化算法在無(wú)人機(jī)航跡規(guī)劃應(yīng)用研究[J].艦船電子工程，2017（2）：34-37.

[2] 王瓊，劉美萬(wàn)，任偉建，et al.無(wú)人機(jī)航跡規(guī)劃常用算法綜述[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2019，37（01）：61-70.

[3] 熊佳新.基于滾動(dòng)優(yōu)化的多無(wú)人機(jī)航跡規(guī)劃與協(xié)調(diào)算法研究[D].哈爾濱工業(yè)大學(xué)，2017.

[4] 田闊，劉旭.基于多策略SSO和改進(jìn)A*算法的無(wú)人機(jī)動(dòng)態(tài)航跡規(guī)劃[J].電光與控制，2017（11）：35-41.

[5] 王紅飛.基于智能控制的無(wú)人機(jī)航跡跟蹤與規(guī)劃研究[D].河北科技大學(xué)，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