改进蚁群算法在地形跟随航线规划问题中的应用

doi:10.3969/j.issn.1009-086x.2024.01.005

摘要/Abstract

摘要：

针对飞机地形跟随航线规划需要，提出了一种基于改进蚁群算法的通用解决方案。该方法通过空间等分的思想将三维地图重构为解空间，并通过一系列改进措施提升蚁群算法效率，包括围绕加强蚁群中最优蚂蚁的正增益、减弱最劣蚂蚁的负增益，设计信息素更新策略；综合考虑可行航路点距离、高度、转弯角度的影响，设计节点移动策略；采用粒子群算法，智能优化求解蚁群算法的核心参数等，实现地形跟随航线的快速生成。通过具体算例验证了该方法的先进性和可行性。

关键词: 航线规划, 航路约束, 地形跟随, 蚁群算法, 参数组合, 粒子群算法

Abstract:

This paper presents a general solution based on improved ant colony algorithm for aircraft terrain following route planning. The three-dimensional map is reconstructed into solution space by the idea of spatial equipartition， and a series of improvement measures are adopted to enhance the efficiency of the ant colony algorithm， including： designing the pheromone updating strategy to strengthen the positive gain of the optimal ants in the colony and weaken the negative gain of the worst ants； designing the node movement strategy by comprehensively considering the effects of the feasible waypoint distance， altitude， and turning angle； adopting the particle swarm algorithm to intelligently and optimally solve the core parameters of the ant colony algorithm to achieve the rapid generation of terrain following routes. Finally， the advancedness and feasibility of the method are verified by specific examples.

Key words: route planning, route restraint, terrain following, ant colony algorithm, parameter combination, particle swarm optimization（PSO）

中图分类号:

E844

陶杨, 周益, 蒋黄滔. 改进蚁群算法在地形跟随航线规划问题中的应用[J]. 现代防御技术, 2024, 52(1): 34-40.

Yang TAO, Yi ZHOU, Huangtao JIANG. Application of Improved Ant Colony Algorithm to Terrain Following Route Planning Problem[J]. Modern Defense Technology, 2024, 52(1): 34-40.

图/表 5

图1 蚂蚁树状移动示意图

Fig. 1 Diagram of tree-like movement

图 2 算法流程图

Fig. 2 Algorithm flow

图3 粒子群优化α,β参数组合误差变化

Fig. 3 Parameter combination error variation of particle swarm optimization

图4 地形跟随航线示意图

Fig. 4 Map of dimensionless grain terrain following course

图5 本文算法与标准蚁群算法计算过程比较

Fig. 5 Calculation process of this algorithm compared with standard ant colony algorithm

参考文献 16

1	张建峰. 一种飞行器航迹规划算法［D］. 哈尔滨：哈尔滨工程大学， 2012.
	ZHANG Jianfeng. A Kind of Algorithm for Unmanned Aerial Vehicle Path Planning［D］. Harbin： Harbin Engineering University， 2012.
2	汪先超，汤子跃，朱振波，等. 基于多普勒盲区的低空突防航线规划［J］. 系统工程与电子技术， 2015， 37（7）： 1531-1535.
	WANG Xianchao， TANG Ziyue， ZHU Zhenbo， et al. Flight Planning of Low-Altitude Penetration Based on Doppler Blind Zone［J］. Systems Engineering and Electronics， 2015， 37（7）： 1531-1535.
3	KHATIB O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots［C］∥Proceedings. 1985 IEEE International Conference on Robotics and Automation. Piscataway， NJ， USA： IEEE， 1985： 500-505.
4	刘群芳. 基于稀疏A*算法与进化算法的无人机动态航迹规划研究［D］. 南昌：南昌航空大学， 2016.
	LIU Qunfang. The Research of Unmanned Aerial Vehicles （UAV） Dynamic Path Planning Based on Sparse A* Algorithm and An Evolutionary Algorithm［D］. Nanchang： Nanchang Hangkong University， 2016.
5	徐显. 基于蚁群算法的路径规划问题研究［D］. 南京：东南大学， 2018.
	XU Xian. Research on Path Planning Based on Ant Colony Algorithm［D］. Nanjing： Southeast University， 2018.
6	刘超，欧杰，曹祺. 基于自适应遗传算法的航迹规划研究［J］. 飞行力学， 2010， 28（1）： 36-39.
	LIU Chao， Jie OU， CAO Qi. Research for the Flight Path Planning Based on Adaptive Genetic Algorithm［J］. Flight Dynamics， 2010， 28（1）： 36-39.
7	董静. 萤火虫算法研究及其在水下潜器路径规划中的应用［D］. 哈尔滨：哈尔滨工程大学， 2013.
	DONG Jing. Study on Firefly Algorithm and Its Application in Path Planning of Underwater Vehicles［D］. Harbin： Harbin Engineering University， 2013.
8	赵娟平. 移动机器人路径规划的蚁群优化算法研究［D］. 沈阳：东北大学， 2011.
	ZHAO Juanping. Research on Ant Colony Optimization Algorithms for Path Planning of Mobile Robot［D］. Shenyang： Northeastern University， 2011.
9	唐必伟，朱战霞，方群，等. 基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划［J］. 西北工业大学学报， 2013， 31（6）： 901-907.
	TANG Biwei， ZHU Zhanxia， FANG Qun， et al. Planning and Replanning 3D Route of UAV Using Improved Ant Colony Algorithm［J］. Journal of Northwestern Polytechnical University， 2013， 31（6）： 901-907.
10	DORIGO M， MANIEZZO V， COLORNI A. Ant System： Optimization by a Colony of Cooperating Agents［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part B （Cybernetics）， 1996， 26（1）： 29-41.
11	詹士昌，徐婕，吴俊. 蚁群算法中有关算法参数的最优选择［J］. 科技通报， 2003， 19（5）： 381-386.
	ZHAN Shichang， XU Jie， WU Jun. The Optimal Selection on the Parameters of the Ant Colony Algorithm［J］. Bulletin of Science and Technology， 2003， 19（5）： 381-386.
12	魏星，李燕. 蚁群算法中参数优化及其仿真研究［J］. 制造业自动化， 2015， 37（10）： 33-35.
	WEI Xing， LI Yan. Research on Parameters Optimization and Simulation of the Ant Colony Algorithm［J］. Manufacturing Automation， 2015， 37（10）： 33-35.
13	KENNEDY J， EBERHART R. Particle Swarm Optimization［C］∥Proceedings of ICNN'95- International Conference on Neural Networks. Piscataway， NJ， USA： IEEE， 1995： 1942-1948.
14	EBERHART R， KENNEDY J. A New Optimizer Using Particle Swarm Theory［C］∥MHS'95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Piscataway， NJ， USA： IEEE， 1995： 39-43.
15	郁磊，史峰，王辉，等. MATLAB智能算法30个案例分析［M］. 2版. 北京：北京航空航天大学出版社， 2015： 134-136.
	YU Lei， SHI Feng， WANG Hui， et al. 30 Case Analysis of MATLAB Intelligent Algorithm［M］. 2nd ed. Beijing： Beihang University Press， 2015： 134-136.
16	徐宏英. 粒子群算法中惯性权重研究及实验分析［J］. 软件导刊， 2013， 12（10）： 57-60.
	XU Hongying. Research and Experimental Analysis of Inertia Weight in Particle Swarm Optimization［J］. Software Guide， 2013， 12（10）： 57-60.

[1]	刘育昊, 张兵, 方子今. 空间多目标掠飞观测接近轨道设计方法[J]. 现代防御技术, 2024, 52(1): 57-64.
[2]	杜石桥, 李贵兰, 寇军, 郝赫, 吴同, 秦国卿, 高红卫. 基于粒子群算法的量子测量系统最优参数求解[J]. 现代防御技术, 2023, 51(6): 155-161.
[3]	屈长虹, 宋钰, 王坤, 崔清勇, 陈蒋洋. 基于PSO算法的反无地基战术激光系统部署方法[J]. 现代防御技术, 2023, 51(5): 15-24.
[4]	宋卫星, 武婧婧, 董志鹏, 张君, 周凯. 基于成本分析的装备维修调度优化模型[J]. 现代防御技术, 2021, 49(5): 88-94.
[5]	潘楠, 刘海石, 陈启用, 颜礼贤, 郭晓珏. 多基地多目标无人机协同任务规划算法研究[J]. 现代防御技术, 2021, 49(2): 49-56.
[6]	徐浩桐, 翟心蝶, 闫浩安, 祝月, 黄天豪. 飞跳一体智能飞行器设计[J]. 现代防御技术, 2020, 48(4): 8-15.
[7]	马艳艳, 金宏斌, 李浩, 张辉. 改进粒子群算法在雷达组网优化布站中的应用[J]. 现代防御技术, 2020, 48(3): 104-112.
[8]	陈奕琪. 改进群智能算法多目标干扰决策[J]. 现代防御技术, 2020, 48(1): 107-112.
[9]	李春, 宋晓程, 李芳芳. 多无人机编队协同控制软件平台设计与仿真[J]. 现代防御技术, 2018, 46(6): 143-150.
[10]	俞宙, 单甘霖, 段修生. 面向区域覆盖的多传感器优化布站[J]. 现代防御技术, 2018, 46(6): 94-101.
[11]	王嵩乔, 夏海宝, 许蕴山, 李德芳. 降低OFDM雷达PAPR的SLM改进算法研究[J]. 现代防御技术, 2018, 46(4): 163-168.
[12]	张兆晨, 钱宁. 面向连通性的空中分层网络中继航线规划方法[J]. 现代防御技术, 2018, 46(1): 100-107.
[13]	欧阳志宏, 郭强. 改进蚁群算法的无人机突防航路规划[J]. 现代防御技术, 2018, 46(1): 74-78.