电子信息技术

本发明公开了一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域，本发明在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快；本发明在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。

蚁群算法指的是通过模拟蚂蚁对自然界食物的集体搜索，提出了蚁群算法(ACO)。蚂蚁觅食是一种基于群体的启发式仿生算法，不是单一的蚂蚁自主寻找食物来源。觅食行为取决于蚂蚁和蚂蚁之间或蚂蚁个体与环境之间的交流，这是基于蚂蚁产生的化学物质(称为信息素)的使用。蚂蚁的工作原理如下：首先，当蚂蚁到达他们必须决定向左或向右转的决定点时，蚂蚁会随机选择下一条路径并将信息素存放在地面上，因为他们不知道哪个是最佳选择。短暂的选择后，两条路径上的信息素量的差异足以影响新蚂蚁进入系统的决定。从此刻开始，新的蚂蚁将更有可能选择信息量比较多的路径。因此，蚂蚁可以闻到信息素的味道，并且很可能选择以强信息素浓度为标志的路径。

本发明的有益效果如下：

 (1)本发明在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快。本发明在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。

(2)本发明针对搜索蚂蚁在研究元素的确定范围的时候容易陷入局部最优，迭代的过程中忽略信息素强度和期望强度，在多态蚁群算法的基础上，本发明采用了自适应并行规则和伪随机并行规则，有效地避免了搜索过程中的容易陷入局部最优的问题。搜索蚂蚁在搜索阶段根据伪随机规则进行状态转移，同时采用自适应并行策略确定状态转移函数中的最优组合参数。