基于改进蚁群算法的无人机航迹规划

J4 ›› 2013, Vol. 31 ›› Issue (1): 66-72.

基于改进蚁群算法的无人机航迹规划

韩攀¹, 陈谋¹, 陈哨东², 刘敏²

1. 南京航空航天大学自动化学院, 南京 210016； 2. 洛阳光电设备研究所光电控制技术重点实验室, 河南洛阳 471009

收稿日期:2012-07-01 出版日期:2003-01-24 发布日期:2013-04-01
作者简介:韩攀(1985—), 男, 湖北天门人, 南京航空航天大学硕士研究生, 主要从事飞行器智能控制研究, （Tel）86-13558700097(E-mail)boyhp1985@sina.com|通讯作者：陈谋（1975—）, 男, 四川蓬安人,南京航空航天大学教授, 主要从事非线性系统控制、综合火力/飞行/推进控制研究,（Tel）86-13813851435(E-mail)chenmou@nuaa.edu.cn。
基金资助:
航空科学基金资助项目(20105152029); 总装重点实验室类基金资助项目(9140C460202110C4603)；南京航空航天大学基本科研业务费专项科研基金资助项目(2011049)

Path Planning for UAVs Based on Improved Ant Colony Algorithm

HAN Pan¹, CHEN Mou¹, CHEN Shao-ong², LIU Min²

1. College of Automation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China;2. Key Laboratory of Optical-lectrics Control Technology, Luoyang Institute of Electro-ptical Equipment, Luoyang 471009, China

Received:2012-07-01 Online:2003-01-24 Published:2013-04-01

摘要/Abstract

摘要：

针对无人机在指定地点执行侦察、巡逻或攻击等任务, 将无人机执行任务的航迹代价模型转化为旅行商问题, 采用改进蚁群算法实现航迹规划。通过引入去交叉禁忌搜索策略, 对基本蚁群算法进行改进, 以解决在收敛后期易陷入局部最优的问题。同时, 利用数值仿真对所研究的基于改进蚁群算法的无人机航迹规划算法进行验证。仿真结果表明, 该算法能提高了无人机航迹优化能力。

关键词: 无人机, 迹规划, 蚂群算法, 禁忌搜索, 旅行商问题

Abstract:

Aiming at the wide use of the UAV (Unmanned Aerial Vehicles) in designated place to perform reconnaissance, detection or patrol mission, etc, the tasks cost model of the path planning of UAVs is transformed into the traveling salesman problem. The improved ant colony algorithm is employed to complete the path planning of UAV. To overcome the problem of easy convergence to the local optimum in the last stage for the basic ant colony algorithm, the cross tabu search strategy is introduced to improve the basic ant colony algorithm. The simulation study is presented to prove the effectiveness of the developed path planning method based on the improved ant aolony alg
orithm. The simulation results show that the developed algorithm can improve the optimization ability of path planning for UAV.

Key words: unmanned aerial vehicles(UAV), path planning, ant colony algorithm, tabu search, travelling salesman problem (TSP)

中图分类号:

TP391

韩攀, 陈谋, 陈哨东, 刘敏. 基于改进蚁群算法的无人机航迹规划[J]. J4, 2013, 31(1): 66-72.

HAN Pan, CHEN Mou, CHEN Shao-dong, LIU Min. Path Planning for UAVs Based on Improved Ant Colony Algorithm[J]. J4, 2013, 31(1): 66-72.

[1]	任伟建, 王楠, 王子维, 任璐, 娄洪亮. 无人机遥感图像融合方法研究[J]. 吉林大学学报(信息科学版), 2018, 36(2): 142-149.
[2]	罗威林,周大可,杨欣 . 基于超像素显著性的无人机引导区域提取[J]. 吉林大学学报(信息科学版), 2018, 36(1): 41-47.
[3]	王茜,宁纪锋,曹宇翔,韩文霆 . 基于 SIFT 算法的无人机遥感图像拼接技术[J]. 吉林大学学报(信息科学版), 2017, 35(2): 188-197.
[4]	赵辉,刘雅喆 . 改进的 Q 学习算法在轨迹规划中的应用[J]. 吉林大学学报(信息科学版), 2016, 34(5): 697-702.
[5]	李艳辉, 赵辉, 李珊珊. 一种新的Q学习算法在机械臂轨迹规划中的应用[J]. J4, 2013, 31(1): 90-94.
[6]	程聪, 吴庆宪, 刘敏, 陈谋. UCAV协同攻击多目标的任务分配技术研究[J]. J4, 2012, 30(6): 610-616.
[7]	刘丽峰\|张树清\|李新红. 人工免疫算法路径规划在林火救援中的应用[J]. J4, 2012, 30(4): 433-.