首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于改进社交网络优化算法的阶段式航迹规划方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南昌航空大学

摘要:本发明公开了一种基于改进社交网络优化算法的阶段式航迹规划方法,所述规划方法包括以下步骤:S1:设置种群规模N、种群维数D、最大进化代数Maxgen以及最大评价次数Maxeval,根据无人机航迹规划空间区域地形信息以及威胁区域信息,基于起降点连线的航迹控制点初始化方法产生初代种群;S2:根据航迹总代价模型计算初始种群中所有航迹的总代价,寻找当前种群的最优航迹;S3:随机选取改进社交网络搜索算法中双差分变异策略、渐变争论群体策略、精英学习策略和创新情绪模型四种策略之一更新航迹;S4:通过航迹总代价模型,更新最优航迹及最优航迹总价代价,本发明旨在解决无人机航迹规划问题上优于其他算法,收敛速度与精度皆有提高。

主权项:1.一种基于改进社交网络优化算法的阶段式航迹规划方法,其特征在于:所述规划方法包括以下步骤:1设置种群规模N、种群维数D、最大进化代数Maxgen以及最大评价次数Maxeval,根据无人机航迹规划空间区域地形信息以及威胁区域信息,基于起降点连线的航迹控制点初始化方法产生初代种群;2根据航迹总代价模型计算初始种群中所有航迹的总代价,寻找当前种群的最优航迹,阶段式无人机航迹总代价模型如下: 其中G为航迹总代价,L1、L2分别为航迹长度代价和地形跟随代价,Lv1~LV5依次为最小安全飞行高度约束、最小航迹段约束、最大俯仰角约束、最大偏航角约束和威胁约束,ω1~ω5和λ1~λ2分别表示各类代价的加权系数和不同惩罚代价的惩罚系数,且ω1+ω2=1,eval为算法对G的评价次数;3随机选取改进社交网络搜索算法中双差分变异策略、渐变争论群体策略、精英学习策略和创新情绪模型四种策略之一更新航迹,四种策略如下:1双差分变异策略Viinew=1-AP1*Vkk+r1·*Vjj-Vii+AP1*Vbest+r1·*Vbest-Vii其中,AP1=tMaxgen为权重因子,Vbest前最优用户观点向量,t为算法的当前进化代数;2渐变争论群体策略 其中,为自适应参数,N3=[AP2*N1]为参与争论的用户总数,VR为按观点向量适应度值升序排列的观点向量集合;3精英学习策略Viinew=Vbest+r1·*r2Vbest-Vii其中,r1~U0,1,r2~U-1,1;4创新情绪模型 其中用户ii的新、旧观点向量中只有第d维变量发生变化,d为[1,D]随机选取的整数,lbd和ubd表示观点向量第d维变量的上下界,为用户ii新观点向量的第d维变量,为用户jj观点向量的第d维变量;4通过航迹总代价模型,更新最优航迹及最优航迹总价代价,若达到最大进化代数,则算法结束,输出最优航迹与最优航迹总代价,否则返回步骤3继续执行。

全文数据:

权利要求:

百度查询: 南昌航空大学 一种基于改进社交网络优化算法的阶段式航迹规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。