專利名稱：基于概率a星與智能體混合的飛行器最優(yōu)路徑確定方法
技術(shù)領(lǐng)域：
本發(fā)明屬于空間數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及飛行器的路徑優(yōu)化，該方法可用于開展智能導(dǎo)航，無人駕駛等領(lǐng)域的路徑規(guī)劃。
背景技術(shù)：
飛行器是依靠地形信息和敵情信息來進(jìn)行路徑規(guī)劃，即在一定約束條件下，飛行器從起始點(diǎn)到終止點(diǎn)，搜尋能優(yōu)先滿足特定目的最優(yōu)的飛行路徑，其中飛行路徑用一系列航跡點(diǎn)表示。路徑規(guī)劃在尋找最優(yōu)路徑的過程中要平衡路徑長度以及對(duì)飛行器的威脅值，所以路徑規(guī)劃在人工智能，統(tǒng)籌規(guī)劃，機(jī)器學(xué)習(xí)和空間數(shù)據(jù)庫技術(shù)中起著很重要的作用。
隨著軍事技術(shù)、實(shí)際戰(zhàn)爭需求的不斷發(fā)展，飛行器的路徑規(guī)劃建模從簡單單一的系統(tǒng)發(fā)展到復(fù)雜多變的系統(tǒng)。飛行器的路徑規(guī)劃問題呈現(xiàn)出實(shí)時(shí)性、多維性、不確定和非線性等復(fù)雜特征。建立在傳統(tǒng)系統(tǒng)下的模型，仍習(xí)慣于從障礙物地形信息已知且不會(huì)改變的角度出發(fā)，以靜態(tài)、理想化為主的方式來研究飛行器路徑規(guī)劃的建模問題，忽視了從實(shí)際的角度來看待整個(gè)飛行過程。目前大多數(shù)路徑規(guī)劃方法對(duì)于復(fù)雜的貼近真實(shí)環(huán)境的障礙物地形場景效果較差。這是因?yàn)閭鹘y(tǒng)算法采用的是簡單的靜態(tài)的規(guī)劃方法，即在實(shí)際飛行器在飛行之前根據(jù)障礙物地形場景來進(jìn)行路徑規(guī)劃，在飛行過程中路徑不可改變以及障礙物符合特定規(guī)律，這與真實(shí)場景的差距較大。顯然這種規(guī)劃方法將障礙物地形場景進(jìn)行了理想化的處理，而實(shí)際上飛行場景的地形信息是無規(guī)律無規(guī)則的。目前路徑規(guī)劃的主要有三類技術(shù)可以解決這個(gè)路徑規(guī)劃問題1.傳統(tǒng)算法，如柵格法，Voronoi圖法；2.智能優(yōu)化算法，如遺傳算法；3.其他算法，如動(dòng)態(tài)規(guī)劃算法。傳統(tǒng)算法是根據(jù)經(jīng)典的數(shù)學(xué)方程式進(jìn)行計(jì)算，較一般地理想的障礙物地圖用此類算法計(jì)算出的路徑在全局上較優(yōu)，但對(duì)障礙物的要求較為理想化，針對(duì)實(shí)際地形地圖的規(guī)劃效果很大程度受到算法本身和障礙物理想化程度的影響。一般來說，真實(shí)的地圖場景信息內(nèi)容較為復(fù)雜，包含大量的山脈，雷雨區(qū)域，以及防空陣地等諸多因素，此外雷雨區(qū)域是可移動(dòng)的并且防空陣地可能會(huì)突然出現(xiàn)增減，這都對(duì)路徑規(guī)劃的實(shí)時(shí)性提出了很高的要求。對(duì)于規(guī)則形狀的障礙物地形采用傳統(tǒng)算法如VOTonoi圖法可以得到較為理想的結(jié)果，但如果出現(xiàn)不規(guī)則形狀的障礙物地形，障礙物重疊或者動(dòng)態(tài)地圖的情況下，Voronoi圖法便無法得到有效的路徑。智能優(yōu)化算法,如遺傳算法是在1975年由John Holland提出，是一類借鑒生物界的進(jìn)化規(guī)律，即適者生存，優(yōu)勝劣汰遺傳機(jī)制演化而來的隨機(jī)化搜索方法，其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。在魯棒性上較傳統(tǒng)算法有了明顯的提高，對(duì)障礙物理想化的依賴程度減低，但智能優(yōu)化算法的計(jì)算時(shí)間普遍過長，由雷達(dá)方程得出的障礙物對(duì)飛行器的威脅值較大，并無法適應(yīng)動(dòng)的，可變的更接近真實(shí)情景的地圖進(jìn)行路徑規(guī)劃。
對(duì)于其他算法，如動(dòng)態(tài)規(guī)劃算法，由于算法自身限制，在局部路徑上可以達(dá)到最優(yōu)以及適應(yīng)動(dòng)態(tài)地圖，但在全局規(guī)劃上無法保證，可能會(huì)出現(xiàn)計(jì)算不出總體的路徑，路徑結(jié)果不穩(wěn)定。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于概率A星與智能體混合的飛行器最優(yōu)路徑確定方法，以提高對(duì)于多種不同地圖規(guī)劃出的路徑的正確度，同時(shí)提高對(duì)于同一幅地圖進(jìn)行多次路徑規(guī)劃的路線的穩(wěn)定性，增強(qiáng)對(duì)不同地圖路徑規(guī)劃的魯棒性。實(shí)現(xiàn)本發(fā)明目的的技術(shù)思路是將所需的各類數(shù)據(jù)進(jìn)行預(yù)處理，通過概率A星算法得出其全局路徑規(guī)劃的路徑，對(duì)符合力學(xué)原理設(shè)置下的飛行器在飛行過程中，通過智能體算法對(duì)概率A星算法所規(guī)劃出的路徑進(jìn)行局部優(yōu)化，直到飛行器飛到終止點(diǎn)為止，從而完成障礙物地形地圖中的路徑規(guī)劃的整個(gè)過程，其具體步驟包括如下I、一種基于概率A星與智能體混合的飛行器最優(yōu)路徑確定方法，包括如下步驟 I)生成障礙物地形地圖設(shè)Pi，Qi為飛行器需繞過的每一個(gè)障礙物的起點(diǎn)和終點(diǎn)的坐標(biāo)，分別對(duì)Pi點(diǎn)和Qi點(diǎn)做垂直于X軸和Y軸的直線，四條直線圍成一個(gè)矩形，表示障礙物區(qū)域Ti，其中i為障礙物區(qū)域個(gè)數(shù)；2)在步驟(I)得到的障礙物地形地圖中設(shè)置飛行器的起始點(diǎn)SP和終止點(diǎn)EP ；3)根據(jù)飛行器的起始點(diǎn)SP和終止點(diǎn)EP的位置，用概率A星算法對(duì)飛行器進(jìn)行全局路徑規(guī)劃；4)用智能體算法對(duì)步驟(3)所規(guī)劃出的路徑進(jìn)行局部優(yōu)化4a)初始化飛行器行為決策權(quán)重將飛行器向父節(jié)點(diǎn)Dj飛行的行為決策權(quán)重記作Rl ;將飛行器向右方飛行的行為決策權(quán)重記作R2 ;將飛行器向左方飛行的行為決策權(quán)重記作R3 ;將飛行器保持當(dāng)前航向飛行的行為決策權(quán)重記作R4，并設(shè)定飛行器在SP點(diǎn)未開始飛行時(shí)的初值為R1=0. 5，R2=0. 4，R3=0. 4，R4=0. 3 ；4b)飛行器根據(jù)周圍環(huán)境的變化進(jìn)行相應(yīng)的處理若飛行器的前方和左右兩側(cè)均無障礙物，則比較Rl、R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和右側(cè)無障礙物，左側(cè)有障礙物，則比較Rl和R2數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和左側(cè)無障礙物，右側(cè)有障礙物，則比較Rl和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方無障礙物，兩側(cè)均有障礙物，則飛行器按照R4所對(duì)應(yīng)的方向飛行；若飛行器前方有障礙物，兩側(cè)均無障礙物，則比較R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和左側(cè)有障礙物，則飛行器按照R2所對(duì)應(yīng)的方向飛行；若飛行器前方和右側(cè)有障礙物，則飛行器按照R3所對(duì)應(yīng)的行為飛行；
4c)修改飛行器行為決策權(quán)重將飛行器在步驟(4b)中選擇的方向所對(duì)應(yīng)的行為決策權(quán)重值加O. 03，其他行為決策權(quán)重值減O. 01，其中設(shè)定行為決策權(quán)重值的上限為O. 7，下限為O. 2 ；4d)判斷飛行器與終止點(diǎn)EP的距離是否小于2，若距離小于2，則停止局部路徑優(yōu)化，將局部優(yōu)化過的路徑作為飛行器的最優(yōu)路徑；否則返回步驟(4b)和(4c)繼續(xù)進(jìn)行局部路徑優(yōu)化。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)第一，本發(fā)明與傳統(tǒng)算法相比，由于采用概率A星，對(duì)飛行器進(jìn)行路徑規(guī)劃所得出的路徑在長度上有所縮短；
第二，本發(fā)明與傳統(tǒng)算法相比，飛行器在飛行過程中能夠根據(jù)周圍環(huán)境的變化，對(duì)已規(guī)劃出的全局路徑利用行為決策權(quán)重機(jī)制進(jìn)行局部路徑優(yōu)化，縮短了路徑長度，并在此過程中降低了障礙物對(duì)飛行器的威脅值；第三，本發(fā)明相比其他算法，由于不對(duì)障礙物地形地圖進(jìn)行任何理想化處理，克服了對(duì)于不同障礙物地形地圖所規(guī)劃出的路徑的魯棒性不足的缺點(diǎn)。


圖I為本發(fā)明方法的流程圖；圖2為本發(fā)明利用概率A星算法進(jìn)行全局路徑規(guī)劃的子流程圖；圖3為本發(fā)明對(duì)概率A星所規(guī)劃出的路徑進(jìn)行局部優(yōu)化的子流程圖；圖4為本發(fā)明實(shí)驗(yàn)的障礙物地形地圖；圖5為本發(fā)明與傳統(tǒng)A星算法規(guī)劃出的路徑對(duì)比圖。
具體實(shí)施例方式下面結(jié)合附圖I對(duì)本發(fā)明的步驟作進(jìn)一步的詳細(xì)描述。步驟I.生成障礙物地形地圖設(shè)Pi，Qi為飛行器需繞過的每一個(gè)障礙物的起點(diǎn)和終點(diǎn)的坐標(biāo)，分別對(duì)Pi點(diǎn)和Qi點(diǎn)做垂直于X軸和Y軸的直線，四條直線圍成一個(gè)矩形，表示障礙物區(qū)域Ti，其中i為障礙物區(qū)域個(gè)數(shù)。步驟2.在障礙物地形地圖中設(shè)置飛行器的起始點(diǎn)SP和終止點(diǎn)EP。步驟3.根據(jù)步驟2中飛行器的起始點(diǎn)SP和終止點(diǎn)EP的位置，利用概率A星算法進(jìn)行全局路徑規(guī)劃。參照?qǐng)D2，本步驟的具體實(shí)施如下3a)將障礙物地形地圖劃分為低精度網(wǎng)格地圖3al)生成含有100X 100個(gè)小網(wǎng)格的高精度網(wǎng)格地圖，其中每個(gè)小網(wǎng)格的邊長為1，將障礙物所覆蓋到的小網(wǎng)格的權(quán)重設(shè)為1，其他網(wǎng)格權(quán)重設(shè)為O ;3a2)從高精度網(wǎng)格地圖的最左上角的網(wǎng)格算起，將每10X 10個(gè)小網(wǎng)格合并為一個(gè)大網(wǎng)格，則該高精度網(wǎng)格地圖簡化為含有IOX 10個(gè)大網(wǎng)格的低精度網(wǎng)格地圖，每個(gè)大網(wǎng)格的邊長為10，計(jì)算每個(gè)大網(wǎng)格中權(quán)重為I的小網(wǎng)格個(gè)數(shù)W(i)，其中i為大網(wǎng)格的標(biāo)號(hào)，1 ( i ( 100，計(jì)算每個(gè)大網(wǎng)格中權(quán)重為I的小網(wǎng)格所占的比例R(i)，其中R(i)=ff(i)/100 ；3a3)設(shè)飛行器的起始點(diǎn)SP和終止點(diǎn)EP所在的大網(wǎng)格分別為SG和EG ；3b)根據(jù)飛行器的起始點(diǎn)和終止點(diǎn)所在的大網(wǎng)格SG和EG，用概率A星算法對(duì)低精度網(wǎng)格地圖進(jìn)行路徑規(guī)劃3bl)令飛行器的起始點(diǎn)SP所在的大網(wǎng)格SG為父節(jié)點(diǎn)Dp設(shè)總計(jì)劃移動(dòng)距離為EJ+1 = L+Ep其中L為父節(jié)點(diǎn)&到與其相鄰的大網(wǎng)格所需要走的路徑長度，Ej為從SG到達(dá)父節(jié)點(diǎn)h所移動(dòng)的距離，j為父節(jié)點(diǎn)的標(biāo)號(hào)，設(shè)定父節(jié)點(diǎn)在SG時(shí)初值為j = O, L = O, Ej=O ；
3b2)計(jì)算父節(jié)點(diǎn)Dj到與其相鄰的每個(gè)大網(wǎng)格b所需要走的路徑長度Lb，其中Lb為兩個(gè)相鄰網(wǎng)格中心連線的長度，b為相鄰大網(wǎng)格的標(biāo)號(hào)，I彡b彡8 ;3b3)從相鄰大網(wǎng)格b中選擇一個(gè)大網(wǎng)格c，計(jì)算從該網(wǎng)格通過先水平后垂直平移和先垂直后水平平移到達(dá)EG所經(jīng)過的兩條路徑中每條路徑的預(yù)估算耗費(fèi)為H =Σ R(k) *10，將其中預(yù)估算耗費(fèi)的最小值記為HM，k為平移過程中所經(jīng)過的大網(wǎng)格標(biāo)號(hào)，c為選擇相鄰大網(wǎng)格的標(biāo)號(hào)，I c ^ 8 ；3b4)對(duì)與父節(jié)點(diǎn)Dj相鄰的每一個(gè)大網(wǎng)格重復(fù)步驟(3b2)和(3b3)，得到各自的預(yù)估算耗費(fèi)的最小值HMb ;3b5)計(jì)算與父節(jié)點(diǎn)Dj相鄰的每個(gè)大網(wǎng)格b到終止點(diǎn)EP所在的大網(wǎng)格EG的總估計(jì)值F(b)F (b) =G (b) +HMb ；其中G(b)為總移動(dòng)耗費(fèi)，G(b) = Lb+Ej ；3b6)將總估計(jì)值F(b)中的最小值所對(duì)應(yīng)的網(wǎng)格X作為新的父節(jié)點(diǎn)Dj+1，EJ+1 =Lx+Ep則當(dāng)前的計(jì)劃移動(dòng)路徑為父節(jié)點(diǎn)Dj與新的父節(jié)點(diǎn)Dp1所在的大網(wǎng)格中心的連線；3b7)判斷新的父節(jié)點(diǎn)Dj+1是否為終止點(diǎn)EP所在的大網(wǎng)格EG，若滿足條件，則在低精度網(wǎng)格地圖中飛行器的起始點(diǎn)SP所在的大網(wǎng)格SG到達(dá)終止點(diǎn)EP所在的大網(wǎng)格EG的路徑，即為父節(jié)點(diǎn)Dt與Dt+1所在的大網(wǎng)格中心連線組成的線段，其中j，并執(zhí)行步驟4，否則，返回步驟(3b2)，直到滿足新的父節(jié)點(diǎn)Dj+1為終止點(diǎn)EP所在的大網(wǎng)格EG地的條件。步驟4.用智能體算法對(duì)步驟3所規(guī)劃出的路徑進(jìn)行局部優(yōu)化。參照?qǐng)D3，本步驟的具體實(shí)施如下4a)初始化飛行器行為決策權(quán)重將飛行器向父節(jié)點(diǎn)Dj飛行的行為決策權(quán)重記作Rl ;將飛行器向右方飛行的行為決策權(quán)重記作R2 ;將飛行器向左方飛行的行為決策權(quán)重記作R3 ;將飛行器保持當(dāng)前航向飛行的行為決策權(quán)重記作R4，并設(shè)定飛行器在SP點(diǎn)未開始飛行時(shí)的初值為R1=0. 5，R2=0. 4，R3=0. 4，R4=0. 3 ；4b)飛行器根據(jù)周圍環(huán)境的變化進(jìn)行相應(yīng)的處理若飛行器的前方和左右兩側(cè)均無障礙物，則比較Rl、R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和右側(cè)無障礙物，左側(cè)有障礙物，則比較Rl和R2數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和左側(cè)無障礙物，右側(cè)有障礙物，則比較Rl和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方無障礙物，兩側(cè)均有障礙物，則飛行器按照R4所對(duì)應(yīng)的方向飛行；若飛行器前方有障礙物，兩側(cè)均無障礙物，則比較R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行；若飛行器前方和左側(cè)有障礙物，則飛行器按照R2所對(duì)應(yīng)的方向飛行；若飛行器前方和右側(cè)有障礙物，則飛行器按照R3所對(duì)應(yīng)的行為飛行；4c)修改飛行器行為決策權(quán)重將飛行器在步驟(4b)中選擇的方向所對(duì)應(yīng)的行為決策權(quán)重值加O. 03，其他行為決策權(quán)重值減O. 01，其中設(shè)定行為決策權(quán)重值的上限為O. 7，下限為O. 2 ；·
4d)判斷飛行器與終止點(diǎn)EP的距離是否小于2，若距離小于2，則停止局部路徑優(yōu)化，將智能體局部優(yōu)化過的路徑作為飛行器的最優(yōu)路徑；否則返回步驟(4b)和(4c)繼續(xù)進(jìn)行局部路徑優(yōu)化。本發(fā)明的效果通過以下仿真進(jìn)一步說明。I.仿真條件硬件平臺(tái)為IntelCore2Duo CPU E6550i2. 33GHZ.2GB RAM軟件平臺(tái)為VC++6. 0實(shí)驗(yàn)所使用的障礙物地形地圖如圖4所示，圖4 (βΓ (f)分別為6種不同的障礙物地形地圖，尺寸均為100X 100，圖中黑色區(qū)域?yàn)檎系K物區(qū)域，圖中右下角的圓環(huán)為飛行器的起始點(diǎn)SP，圖中左上角的圓環(huán)為飛行器的終止點(diǎn)EP，其他區(qū)域?yàn)闊o障礙物區(qū)域。2.仿真內(nèi)容結(jié)果分析圖5 (a) (f)是對(duì)圖4 (a) (f)分別用本發(fā)明算法與傳統(tǒng)A星算法進(jìn)行仿真的實(shí)驗(yàn)結(jié)果圖，圖5 (βΓ (f)中從起始點(diǎn)SP至終止點(diǎn)EP的實(shí)線為傳統(tǒng)A星算法所規(guī)劃出的路徑，虛線為本發(fā)明算法所規(guī)劃出的路徑。表I為本發(fā)明算法與傳統(tǒng)A星算法根據(jù)仿真結(jié)果圖5 Ca) Cf)所規(guī)劃出的路徑長度和障礙物對(duì)飛行器的威脅值的比較，其中威脅值是障礙物區(qū)域?qū)︼w行器的威脅程度，威脅值D是根據(jù)雷達(dá)方程D = Ι/d4計(jì)算得出，d為飛行器距離障礙物的最短直線距離。表I
權(quán)利要求
1.一種基于概率A星與智能體混合的飛行器最優(yōu)路徑確定方法，包括如下步驟 1)生成障礙物地形地圖 設(shè)Pi, Qi為飛行器需繞過的每一個(gè)障礙物的起點(diǎn)和終點(diǎn)的坐標(biāo)，分別對(duì)Pi點(diǎn)和Qi點(diǎn)做垂直于X軸和Y軸的直線，四條直線圍成一個(gè)矩形，表示 障礙物區(qū)域Ti，其中i為障礙物區(qū)域個(gè)數(shù)； 2)在步驟(I)得到的障礙物地形地圖中設(shè)置飛行器的起始點(diǎn)SP和終止點(diǎn)EP； 3)根據(jù)飛行器的起始點(diǎn)SP和終止點(diǎn)EP的位置，用概率A星算法對(duì)飛行器進(jìn)行全局路徑規(guī)劃； 4)用智能體算法對(duì)步驟(3)所規(guī)劃出的路徑進(jìn)行局部優(yōu)化 4a)初始化飛行器行為決策權(quán)重 將飛行器向父節(jié)點(diǎn)Dj飛行的行為決策權(quán)重記作Rl ;將飛行器向右方飛行的行為決策權(quán)重記作R2 ;將飛行器向左方飛行的行為決策權(quán)重記作R3 ;將飛行器保持當(dāng)前航向飛行的行為決策權(quán)重記作R4，并設(shè)定飛行器在SP點(diǎn)未開始飛行時(shí)的初值為R1=0. 5，R2=0. 4，R3=0. 4，R4=0. 3 ； 4b)飛行器根據(jù)周圍環(huán)境的變化進(jìn)行相應(yīng)的處理 若飛行器的前方和左右兩側(cè)均無障礙物，則比較Rl、R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行； 若飛行器前方和右側(cè)無障礙物，左側(cè)有障礙物，則比較Rl和R2數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行； 若飛行器前方和左側(cè)無障礙物，右側(cè)有障礙物，則比較Rl和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行； 若飛行器前方無障礙物，兩側(cè)均有障礙物，則飛行器按照R4所對(duì)應(yīng)的方向飛行； 若飛行器前方有障礙物，兩側(cè)均無障礙物，則比較R2和R3數(shù)值的大小，飛行器按照其中最大值所對(duì)應(yīng)的方向飛行； 若飛行器前方和左側(cè)有障礙物，則飛行器按照R2所對(duì)應(yīng)的方向飛行； 若飛行器前方和右側(cè)有障礙物，則飛行器按照R3所對(duì)應(yīng)的行為飛行； 4c)修改飛行器行為決策權(quán)重 將飛行器在步驟(4b)中選擇的方向所對(duì)應(yīng)的行為決策權(quán)重值加O. 03，其他行為決策權(quán)重值減O. 01，其中設(shè)定行為決策權(quán)重值的上限為O. 7，下限為O. 2 ; 4d)判斷飛行器與終止點(diǎn)EP的距離是否小于2，若距離小于2，則停止局部路徑優(yōu)化，將智能體局部優(yōu)化過的路徑作為飛行器的最優(yōu)路徑；否則返回步驟(4b)和(4c)繼續(xù)進(jìn)行局部路徑優(yōu)化。
2.根據(jù)權(quán)利要求I所述的方法，其中步驟(3)所述的根據(jù)飛行器的起始點(diǎn)SP和終止點(diǎn)EP的位置，用概率A星算法對(duì)飛行器進(jìn)行全局路徑規(guī)劃，按如下步驟進(jìn)行 3a)將障礙物地形地圖劃分為網(wǎng)格地圖 3al)生成含有100X100個(gè)小網(wǎng)格的高精度網(wǎng)格地圖，其中每個(gè)小網(wǎng)格的邊長為1，將障礙物所覆蓋到的小網(wǎng)格的權(quán)重設(shè)為1，其他網(wǎng)格權(quán)重設(shè)為O ; 3a2)從高精度網(wǎng)格地圖的最左上角的網(wǎng)格算起，將每10X10個(gè)小網(wǎng)格合并為一個(gè)大網(wǎng)格，則該高精度網(wǎng)格地圖簡化為含有IOX 10個(gè)大網(wǎng)格的低精度網(wǎng)格地圖，每個(gè)大網(wǎng)格的邊長為10，計(jì)算每個(gè)大網(wǎng)格中權(quán)重為I的小網(wǎng)格個(gè)數(shù)W(i)，其中i為大網(wǎng)格的標(biāo)號(hào)，1^1^ 100，計(jì)算每個(gè)大網(wǎng)格中權(quán)重為I的小網(wǎng)格所占的比例R(i)，其中R(i)=W⑴/100 ；3a3)設(shè)飛行器的起始點(diǎn)SP和終止點(diǎn)EP所在的大網(wǎng)格分別為SG和EG ； 3b)根據(jù)飛行器的起始點(diǎn)和終止點(diǎn)所在的大網(wǎng)格SG和EG，用所述的概率A星算法對(duì)低精度網(wǎng)格地圖進(jìn)行路徑規(guī)劃 3bl)令飛行器的起始點(diǎn)SP所在的大網(wǎng)格SG為父節(jié)點(diǎn)Dp設(shè)總計(jì)劃移動(dòng)距離為Ej+1=L+Ep其中L為父節(jié)點(diǎn)&到與其相鄰的大網(wǎng)格所需要走的路徑長度，Ej為從SG到達(dá)父節(jié)點(diǎn)Dj所移動(dòng)的距離，j為父節(jié)點(diǎn)的標(biāo)號(hào)，設(shè)定父節(jié)點(diǎn)在SG時(shí)初值為j=0，L=O, Ej=O ； 3b2)計(jì)算父節(jié)點(diǎn)Dj到與其相鄰的每個(gè)大網(wǎng)格b所需要走的路徑長度Lb，其中Lb為兩個(gè)相鄰網(wǎng)格中心連線的長度，b為相鄰大網(wǎng)格的標(biāo)號(hào)，I彡b彡8 ; 3b3)從相鄰大網(wǎng)格b中選擇一個(gè)大網(wǎng)格c，計(jì)算從該網(wǎng)格通過先水平后垂直平移和先垂直后水平平移到達(dá)EG所經(jīng)過的兩條路徑中每條路徑的預(yù)估算耗費(fèi)為Η= Σ R(k)*10，將其中預(yù)估算耗費(fèi)的最小值記為HM，k為平移過程中所經(jīng)過的大網(wǎng)格標(biāo)號(hào)，c為選擇相鄰大網(wǎng)格的標(biāo)號(hào)，I c ^ 8 ； 3b4)對(duì)與父節(jié)點(diǎn)Dj相鄰的每一個(gè)大網(wǎng)格重復(fù)步驟(3b2)和(3b3)，得到各自的預(yù)估算耗費(fèi)的最小值HMb ; 3b5)計(jì)算與父節(jié)點(diǎn)Dj相鄰的每個(gè)大網(wǎng)格b到終止點(diǎn)EP所在的大網(wǎng)格EG的總估計(jì)值F(b) F (b) =G (b) +HMb ； 其中G(b)為總移動(dòng)耗費(fèi)，G(b)=Lb+EJ; 3b6)將F(b)中的最小值所對(duì)應(yīng)的網(wǎng)格X作為新的父節(jié)點(diǎn)Dj+1，Ej+1=LX+Ej，則當(dāng)前的計(jì)劃移動(dòng)路徑為父節(jié)點(diǎn)&與新的父節(jié)點(diǎn)Dp1所在的大網(wǎng)格中心的連線； 3b7)判斷新的父節(jié)點(diǎn)Dj+1是否為終止點(diǎn)EP所在的大網(wǎng)格EG，若滿足條件，則在低精度網(wǎng)格地圖中飛行器的起始點(diǎn)SP所在的大網(wǎng)格SG到達(dá)終止點(diǎn)EP所在的大網(wǎng)格EG的路徑，即為父節(jié)點(diǎn)Dt與Dt+1所在的大網(wǎng)格中心連線組成的線段，其中OStSj否則，返回步驟 (3b2)，直到滿足新的父節(jié)點(diǎn)Dj+1為終止點(diǎn)EP所在的大網(wǎng)格EG地的條件。
全文摘要
本發(fā)明公開了一種基于概率A星與智能體混合的飛行器最優(yōu)路徑確定方法，主要解決路徑長度過長以及障礙物對(duì)飛行器的威脅值過大的問題。其實(shí)現(xiàn)步驟為(1)生成障礙物地形地圖；(2)在障礙物地形地圖中設(shè)置飛行器的起始點(diǎn)SP和終止點(diǎn)EP；(3)根據(jù)飛行器的起始點(diǎn)SP和終止點(diǎn)EP的位置，用概率A星算法對(duì)飛行器進(jìn)行全局路徑規(guī)劃；(4)用智能體算法對(duì)所規(guī)劃出的路徑進(jìn)行局部優(yōu)化。本發(fā)明具有路徑長度短，威脅值低的優(yōu)點(diǎn)，可用于飛行器最優(yōu)路徑的確定。
文檔編號(hào)G01C21/20GK102901500SQ20121034446
公開日2013年1月30日 申請(qǐng)日期2012年9月17日 優(yōu)先權(quán)日2012年9月17日
發(fā)明者于昕, 花德隆, 焦李成, 吳建設(shè), 尚榮華, 李陽陽, 朱振強(qiáng) 申請(qǐng)人:西安電子科技大學(xué)