基于蟻群算法的無人機航路規劃輔助決策研究

沈培志，張邦鈺，聶奇剛，肖 明

(海軍航空工程學院 a.指揮系; b.研究生管理大隊，山東 煙臺 264001)

【基礎理論與應用研究】

基于蟻群算法的無人機航路規劃輔助決策研究

沈培志a，張邦鈺b，聶奇剛b，肖 明b

(海軍航空工程學院 a.指揮系; b.研究生管理大隊，山東 煙臺 264001)

分析了影響無人機航路規劃的幾種因素，研究了目標價值權重和威脅源威脅系數兩個制約因素對航路規劃的影響，并重點建立了地形與威脅源模型以及決策模型。利用蟻群算法進行了仿真，得到了航路規劃圖以及最優路徑長度兩個評判標準。仿真結果顯示在同時存在多個不同價值的目標以及多個威脅源的情況下，各目標的價值權重和威脅系數將會對航路產生綜合影響，需要決策者根據無人機的任務意圖在飛行安全和任務效果之間進行取舍和平衡，從而在一定程度上為決策者提供輔助。

無人機；航路規劃；輔助決策；蟻群算法

航路規劃的目的是在一定前提下保證無人機以最小的代價獲取最大的作戰效果，但實際中往往目標價值越大其防空力量也越強，這就為科學的航路規劃帶來難題。該問題涉及的方面較多，本研究通過蟻群算法從航路優化的方面進行研究，期望所得結果能夠為決策者以及后續研究提供參考。

1 航路規劃制約因素分析

1.1 無人機性能因素

對于擔負不同任務的無人機其性能各有差異，對航路規劃要求的側重點也是不同的。如：無人攻擊機由于攜帶一定數量的導彈而減少了燃油質量，因而滯空時間較短，從一定程度上限制了航路的總長度，另外，無人攻擊機要滿足一定的突防概率，就要求航路盡量隱蔽，并具有一定的靈活性；而對于偵察無人機而言，則要在盡量保證航路平穩的同時兼顧威脅和目標價值，因而對航路的穩定性要求較高，因而對于航路點之間的最小步長有所限制，從而為偵察平臺提供穩定的飛行姿態，便于進行偵察。當然對于無人機的航路規劃還有較多性能約束條件如最大偏航角、最大爬升和下滑角、飛行高度和速度等。

1.2 地形與防空威脅因素

無人機執行任務的區域一般具有較高的危險性，大部分情況下其作戰環境是非常復雜的，可能同時面臨來自于海陸空天電各個方面的威脅，如不進行科學合理的航路規劃則會直接導致任務失敗，因此將其作為重點研究的制約因素之一。目前防空武器種類較多，其中較為典型的是彈炮結合防空武器系統已經成為現代防空的主要攔截武器之一[1]，密集的防空火炮一般部署在重要目標附近，具有固定陣地，它對低空突防的飛行器的攔截往往較為有效。本研究為了便于計算將防空陣地威脅區域簡化為山峰模型，并在后面的計算中將直接給出威脅半徑和威脅系數。

1.3 決策者因素

對于不同價值、不同威脅程度的多個目標，決策者必須根據本次飛行的任務目的以及對任務的效果期望，在飛行安全和任務完成程度之間做出決策和取舍，或者給出完成任務的先后順序。這就要進行航路規劃，使得所選擇的航路既能保證無人機的安全又能最大限度地完成任務。若決策者完成任務的期望較高，那么在航路規劃的時候就會優先考慮完成任務的程度；如果決策者對無人機的安全性期望值較高，則會選擇避開威脅的航路。在對兩方面因素進行綜合時往往難以選擇，決策者的主觀意圖會對航路的選擇產生較大影響。

2 制約因素條件建模

2.1 地形和火力威脅源模型

目前比較成熟的地形模擬方法種類很多，這里借鑒一種函數法[2]給出基本地形地物的模擬

z1(x,y)=sin(y+a)+b·sin(x)+

(1)

其中：x,y是水平投影面的點坐標；z1是對應水平面坐標點的地形高度；a，b，c，d，e，f，g是常系數。這里通過常系數的不同取值可以模擬各種崎嶇地貌的實際地形，作為已知的任務區的地形地貌信息。

對防空火力威脅的建模可以采用通用的山峰地形模型。這里采用函數法來產生，它具有生成算法簡單，計算速度快、便于控制地形的位置距離、坡度和幅值等特點。函數形式[3]為

(2)

其中：x，y是山峰曲面水平投影面的點坐標；z2是山峰曲面對應水平面坐標點的地形高度；Zi為第i個山峰的最高點的高度；x0i，y0i為第i個山峰最高點的坐標；xsi，ysi為第i個山峰沿x軸和y軸方向與坡度有關的量。其值越大，相應的山峰就越平坦，反之就越陡峭。

將式(1)和式(2)表示的模型相加就得到了已知的戰場地形環境和敵方火力對偵察無人機的威脅源模型

z=z1+z2

(3)

本研究以威脅系數來描述每一個威脅源對飛行路線的威脅程度，威脅源對飛行路線的影響越大，促使蟻群算法尋找其他路線，避開威脅的迫切度越高。

這里給出威脅系數影響模型：目標點到威脅點的距離大于威脅點的影響范圍時，目標點不受影響；小于威脅點的影響范圍時，受到的影響與威脅源的影響范圍成正比，與兩者間距離成反比，模型計算式為

(4)

(5)

(6)

具體影響為，上述比值越大，在蟻群算法中目標增加的信息素越大，否則增加的信息素越小

Δτi,j=Δτi,j·k

(7)

其中將地形和火力威脅模型中的xsi，ysi，x0i，y0i作為本模型的影響輸入；k為威脅系數；x，y是威脅源中心點坐標位置；zwi為計算出的威脅點的影響范圍；dwi為計算出的每一個威脅點到目標點的距離。

2.2 決策加權模型

根據前文分析，首先對每一個偵察目標的價值設定一個權重值，這個值由決策者決定，可以體現充分決策者的意愿。則目標價值模型為

(8)

其中：kt為決策者對每一個目標價值的期望權重；Pt為每一個目標的價值；m為目標數目。

目標價值權重將會影響蟻群算法中螞蟻轉移的信息素，從而影響螞蟻選擇下一個目標的概率大小。通過這種方法為決策者選擇偵察目標的順序提供輔助決策，體現了決策者對飛行路線優化的主觀性：決策者對某一處目標的期望越大，此目標權重越大，在蟻群算法中會得到更多的信息素，使得被選擇的概率就越大。這里給出一個對信息素的影響公式

τi,j=ρj·τi,j(i,j∈1,2,…,n)

(9)

其中：τi,j為螞蟻從目標到目標j的轉移信息素；Δτi,j表示每一次迭代增加的信息素。

3 模型仿真與計算

3.1 仿真假設、原理及步驟

1) 仿真假設

根據前文分析可知，無人機航路規劃研究內容較為廣泛，影響因素較多，限于篇幅本文著重體現目標價值權重對無人機航路規劃的輔助決策的影響，為決策者的決心提出建議，因此提出以下假設條件：

a)無人機的飛行高度一定，即在定高平面內選擇航路，不利用地形跟隨規避障礙。

b)由于本文沒有限定無人機類型，因此所研究的地形范圍為30×30，不作具體單位約束。

c)決策者主觀意圖以及威脅點威脅系數給出假設值便于模擬仿真。

2) 仿真原理和步驟

以待預定目標地理坐標為基本轉航點，在無人機執行任務時將規避威脅源并選擇飛臨目標先后順序。因而將一定數量的螞蟻放在每一個目標上，讓其根據概率選擇下一個目標，并在走過的路線上，留下一定量的信息素，信息素的多少則由螞蟻選擇路線的優劣來決定。每一只螞蟻完成偵察目標點的遍歷后，就完成一次迭代，這時記錄每一只螞蟻遍歷過的目標順序，并進行比較，選出迭代最優偵察順序保存起來，并根據規則更新目標信息素。然后進行循環迭代，每一次迭代都重復上述步驟，得出一個迭代最優偵察順序，完成一定次數的迭代以后，將每一次迭代的結果進行比較，獲得最佳順序。

這種通過改進的蟻群算法用于無人機航路規劃的模擬過程為：

a)設定需要進行預定目標坐標，設定已知威脅源的坐標；

b)根據決策者的主觀意圖和現有情報，給出目標點的價值權重和威脅點的威脅系數；

c)將一定數量的螞蟻分布在每一個目標點上；

d)按照轉移概率實現螞蟻向下一個目標點的轉移，直到飛臨所有目標點；

e)記錄螞蟻的偵察順序，選出迭代最優；

f)更新信息素，修改被制約因素影響后信息素值；

g)判斷是否需要繼續迭代，以得出更優偵察順序，若需要繼續則返回c)，否則結束循環，輸出最優順序和相關參數。流程圖如圖1所示。

圖1 改進蟻群的航路規劃實現流程

3.2 基于蟻群算法的最優路徑仿真

1) 參數設定

假設在所研究的地形范圍內有3個威脅源，其分布如圖2所示，并設定25個目標點坐標如表1所示。

為方便數據更改和錄入，現設計仿真界面如圖3所示。界面中各參數含義如表2所示。

2) 仿真結果

根據仿真步驟進行仿真可得目標價值權重、威脅源分別對優化路徑的影響，以及對優化路徑的綜合影響，并給出了最優路徑長度，如圖4～圖7所示。

表1 目標位置及價值權重

表2 界面參數含義

圖2 地形及威脅源

圖3 仿真界面

圖4 原始最優路線

圖5 權重影響下的最優路徑

圖6 威脅系數影響下的優化路徑

圖7 同時影響下的優化路徑

4 結論

1) 圖4的原始參數設置找出了不受任何因素影響的最優航線，即路線最短。圖5是在原始參數的基礎上，單獨加入目標價值權重后的航線圖，通過對比可以看到其中所標示的價值權重較高的目標點，被優先選擇，產生了不同的航線。圖6是在原始參數的基礎上，單獨加入威脅源威脅系數后的航線圖，可以發現，3個威脅源對目標點選擇順序的影響是明顯的。與圖4比較，產生的航線都不同程度的先選擇了離威脅源較遠的目標點，而離威脅源近的目標點的選擇順序相對滯后。這很好地符合了實際情況，即在遇到威脅前，盡可能多的飛臨目標點，最大限度完成任務。圖7是考慮2種因素后的綜合路線圖。可以看出程序在考慮2種因素的影響后，給出了不同的航線。

2) 決策者在制定各個目標點的價值權重時，必須根據已知情報，充分地考慮各威脅源的威脅系數，以保證達到最大效能。而決策者在設定權重的大小時，必須在對目標點的任務效果期望和無人機安全的保證之間尋求一個主觀的平衡點。

3) 仿真和分析可為決策者提供了一種輔助決策方法，決策者的意志可以通過制定合理權重的方式在仿真中得到體現，并為計算機尋優提供原始數據，幫助決策者實現戰略戰術意圖。

[1] 李執力，王靜濱，吳三寶.彈炮結合防空武器系統作戰仿真模型研究[J].飛航導彈，2005(10)：37-42.

[2] 尹曉峰,杜艷萍.車輛路徑問題的蟻群算法研究[J].太原科技大學學報.2005,26(4)：279-283.

[3] 王襄平.中國的主要山脈和山峰[J].生物的多樣性，2004，12(1)：206-212.

(責任編輯 唐定國)

Research About Decision Assistance of UAV Airway Planning Based On Ants Algorithm

SHEN Pei-zhia, ZHANG Bang-yub, NIE Qi-gangb, XIAO Mingb

(a.Department of Command; b.Postgraduate Management Department, Naval Aeronautical and Astronautical University, Yantai 264001,China)

Many factors was analyzed, especially the limited effects of value target weight and threat ratio on routeting. Then, threat model and planning model were founded. Airway planning figure and length of optimizing way were simulated by ants-algorithm. The results show that while there are many different targets and different threats, integrated influence will be found by target value weight and threat ratio. The decision maker must balance the mission effect and plane safety. Then it can provide decision assistance to the decision maker.

UAV; Airway planning; decision assistance; ants-algorithm

2015-03-02

沈培志(1972—)，男，副教授，主要從事海軍兵種作戰運用研究。

10.11809/scbgxb2015.08.036

沈培志，張邦鈺，聶奇剛，等.基于蟻群算法的無人機航路規劃輔助決策研究[J].四川兵工學報，2015(8):145-148.

format:SHEN Pei-zhi, ZHANG Bang-yu, NIE Qi-gang, et al.Research About Decision Assistance of UAV Airway Planning Based On Ants Algorithm [J].Journal of Sichuan Ordnance,2015(8):145-148.

V279;TJ8

A

1006-0707(2015)08-0145-04