一种基于混沌蛙跳的植保无人机编队目标分配方法

摘要

本发明公开了一种基于混沌蛙跳的植保无人机编队目标分配方法，所述分配方法包括以下步骤：S1，用自然数对无人机和目标进行编码；S2，根据现有目标的重要性和无人机距离目标的距离对距离和重要性进行归一化，对每只青蛙进行编码，并用Logistic混沌映射对蛙群中的每一只青蛙进行初始化；S3，计算每只青蛙的适应度值并进行排序；S4，划分混沌蛙跳算法的子种群；S5，根据蛙跳算法的规则，对每个子种群中的最差青蛙进行更新；S6，对所有子种群中的青蛙进行混合和重排序；S7，检查混沌蛙跳算法是否到达了指定的迭代次数，如已到达则输出最优青蛙作为目标分配的结果，如未到达则返回步骤S3。

说明书

技术领域

本发明涉及植保无人机技术领域，尤其涉及一种基于混沌蛙跳的植保无人机编队目标分配方法。

背景技术

随着国内经济的发展和城市规模的日益扩大，在植保领域，特别是农药喷洒领域，植保无人机喷药的应用日益广泛。植保无人机喷药的过程中需要考虑到喷洒目标区域的距离，喷洒目标距离无人机越远，耗费的油和电就越多，实际喷药时间也就越短，喷药成本也就越高。同时，不同区域由于虫情程度不同，在无人机数量有限的情况下，只能选择部分虫情较重的、距离无人机较近的作物进行喷药。如何对目标进行选择以最大化收益是一个目标分配问题，也是一个NP难问题，传统的数学方法难以解决，需要借助启发式算法进行优化，以达到最佳收益。

因此需要一种新的基于混沌蛙跳的植保无人机编队目标分配方法来解决上述问题。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于精英人工鱼群算法植保无人机编队航迹规划方法能够满足现有技术的技术需求。

一种基于混沌蛙跳算法的无人机编队目标分配方法，所述分配方法包括以下步骤：

S1，用自然数对无人机和目标进行编码；

S2，根据现有目标的重要性和无人机距离目标的距离对距离和重要性进行归一化，对每只青蛙进行编码，并用Logistic混沌映射对蛙群中的每一只青蛙进行初始化；

S3，计算每只青蛙的适应度值并进行排序；

S4，划分混沌蛙跳算法的子种群；

S5，根据蛙跳算法的规则，对每个子种群中的最差青蛙进行更新；

S6，对所有子种群中的青蛙进行混合和重排序；

S7，检查混沌蛙跳算法是否到达了指定的迭代次数，如已到达则输出最优青蛙作为目标分配的结果，如未到达则返回步骤S3。

优选地，所述步骤S1具体为对无人机和目标进行自然数编码，以方便后续的适应度函数计算过程，并设置混沌蛙跳算法的初始参数，包括青蛙的总数M，子种群的数量N，最大步长L，全局最优青蛙P，子种群最优青蛙Pl, 子种群最差青蛙P2，每个子种群中青蛙的数量O，以便进行算法的迭代，再根据现有目标的重要性和无人机距离目标的距离得到无人机对每个目标进行喷药的获益程度设置适应度函数。

优选地，所述步骤S2具体为：根据现有目标的重要性和无人机距离目标的距离对距离和重要性进行归一化，对每只青蛙进行编码，并用Logistic混沌映射对蛙群中的每一只青蛙进行初始化。

优选地，所述步骤S3 根据步骤S1中的适应度函数计算蛙群中的每只青蛙的适应度值，并根据适应度值对蛙群中的所有青蛙进行排序。

优选地，所述步骤S1中的青蛙的总数M，子种群的数量N，每个子种群中青蛙的数量O，将蛙群中的所有青蛙划分到N个子种群中。

优选地，所述步骤S5具体为，根据蛙跳算法的规则，最大步长L，全局最优解P，子种群最优解Pl, 子种群最差解P2，对每个子种群中的最差青蛙进行更新。

优选地，所述步骤S1 中，青蛙的总数M=40，子种群的数量N=4。

优选地，所述步骤S5中对最差青蛙进行更新的步骤包括：

S71，子种群最差青蛙P2跳向子种群最优青蛙Pl，最大步长L，如适应度有改善则用新生成的青蛙Pnew代替子种群最差青蛙P2，否则执行 S72；

S72,子种群最差青蛙P2跳向全局最优青蛙P，最大步长L，如适应度有改善则用新生成的青蛙Pnew代替子种群最差青蛙P2，否则执行S73；

S73, 用Logistic混沌映射生产一只随机青蛙替换最差青蛙P2。

优选地，所述步骤S6中的排序是降序。

优选地,所述步骤S7中指定的迭代次数是100次

本发明的技术方案具有以下有益效果：

本发明提供的一种基于混沌蛙跳算法的无人机编队目标分配方法，通过设计无人机编队目标分配方法，综合考虑了无人机喷药距离和虫情的严重程度，既降低了无人机的燃料消耗，提升了有效航程，又针对虫情威胁严重的区域实施了喷药，降低了作物受损面积和程度，为提高作物经济价值做出了有益贡献。

附图说明

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图1是本发明一种基于混沌蛙跳的植保无人机编队目标分配方法的流程图。

具体实施方式

为了清楚了解本发明的技术方案，将在下面的描述中提出其详细的结构。显然，本发明实施例的具体施行并不足限于本领域的技术人员所熟习的特殊细节。本发明的优选实施例详细描述如下，除详细描述的这些实施例外，还可以具有其他实施方式。

下面结合附图和实施例对本发明做进一步详细说明。

结构图1，提出了一种基于混沌蛙跳算法的无人机编队目标分配方法，根据无人机群现有目标的重要性和无人机距离目标的距离得到无人机对每个目标进行喷药的获益程度，再模仿自然界中蛙群的觅食方法，模仿青蛙的跳跃过程中的位置优化来实现无人机编队目标分配问题的优化；先用自然数对无人机和目标进行编码，然后将蛙群分为不同的子蛙群，每个子蛙群执行自己的搜索过程，在这一过程中淘汰最差的目标分配方案，并保留最优的目标分配方案，不同子蛙群间相互影响，并通过混沌映射随机生成青蛙个体，当不同子种群进化到一定迭代次数后输出最优的目标分配方案。

本实施例的方法包括如下步骤：

(1) 初始化设置参数：采用自然数顺序设置蚁群算法中的蚂蚁前进路径的总步数与每步前进时可供选择的路径数，以便分别模拟多模终端和目标网络的数量，再设置蚂蚁所有路径的信息素浓度的初始值和蚁群算法迭代计算的总次数；采用自然数顺序编号是为了后续解码方便：只需获知蚂蚁前进路径上的每步编号及其所选路径编号，就是为哪个多模终端分配的目标网络的对应编号；

(1)对无人机和目标进行自然数编码，以方便后续的适应度函数计算过程，并设置混沌蛙跳算法的初始参数，包括青蛙的总数M=40，子种群的数量N=4，最大步长L，全局最优青蛙P，子种群最优青蛙Pl, 子种群最差青蛙P2，每个子种群中青蛙的数量O，以便进行算法的迭代，再根据现有目标的重要性和无人机距离目标的距离得到无人机对每个目标进行喷药的获益程度设置适应度函数；

(2) 根据现有目标的重要性和无人机距离目标的距离对距离和重要性进行归一化，对每只青蛙进行编码，并用Logistic混沌映射对蛙群中的每一只青蛙进行初始化；

(3) 根据步骤（1）中的适应度函数计算蛙群中的每只青蛙的适应度值，并根据适应度值对蛙群中的所有青蛙进行降序排序；

(4) 根据步骤（1）中的青蛙的总数M，子种群的数量N，每个子种群中青蛙的数量O，将蛙群中的所有青蛙划分到N个子种群中；

(5) 根据蛙跳算法的规则，最大步长L，全局最优解P，子种群最优解Pl, 子种群最差解P2，对每个子种群中的最差青蛙进行更新，具体步骤包括：

(a) 子种群最差青蛙P2跳向子种群最优青蛙Pl，最大步长L，如适应度有改善则用新生成的青蛙Pnew代替子种群最差青蛙P2，否则执行（b）；

(b) 子种群最差青蛙P2跳向全局最优青蛙P，最大步长L，如适应度有改善则用新生成的青蛙Pnew代替子种群最差青蛙P2，否则执行（c）；

(c) 用Logistic混沌映射生产一只随机青蛙替换最差青蛙P2；

(6) 对所有子种群中的青蛙进行混合和重排序，其中重排序为降序排序；

(7) 检查混沌蛙跳算法是否到达了指定的迭代次数100次，如已到达则输出最优青蛙作为目标分配的结果，如未到达则返回步骤（3）。

本发明提供的一种基于混沌蛙跳算法的无人机编队目标分配方法，通过设计无人机编队目标分配方法，综合考虑了无人机喷药距离和虫情的严重程度，既降低了无人机的燃料消耗，提升了有效航程，又针对虫情威胁严重的区域实施了喷药，降低了作物受损面积和程度，为提高作物经济价值做出了有益贡献。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的权利要求保护范围之内。