CN106651021A - 基于精英人工鱼群的植保无人机编队航迹规划方法 - Google Patents
基于精英人工鱼群的植保无人机编队航迹规划方法 Download PDFInfo
- Publication number
- CN106651021A CN106651021A CN201611168620.1A CN201611168620A CN106651021A CN 106651021 A CN106651021 A CN 106651021A CN 201611168620 A CN201611168620 A CN 201611168620A CN 106651021 A CN106651021 A CN 106651021A
- Authority
- CN
- China
- Prior art keywords
- artificial fish
- fish
- artificial
- behavior
- elite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于精英人工鱼群的植保无人机编队航迹规划方法,所述规划方法包括以下步骤:S1,用二进制序列对无人机和航迹进行编码,将不同的编队航迹规划结果对应为人工鱼;S2,用随机数对人工鱼群进行初始化;S3,计算每只人工鱼的目标函数值;S4,每条人工鱼依次进行觅食行为、聚群行为、追尾行为和随机行为;S5,在所有人工鱼进行如上四种行为后,对精英人工鱼进行保留并开始新一轮迭代过程;S6,判断是否达到指定迭代次数;如果达到,则在到达指定迭代次数后输出最优人工鱼作为植保无人机编队航迹;如果未达到,则返回步骤S3。
Description
技术领域
本发明涉及植保无人机技术领域,尤其涉及一种基于精英人工鱼群的植保无人机编队航迹规划方法。
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也日益广泛。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精英人工鱼群的植保无人机编队航迹规划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的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。
基于精英人工鱼群的的植保无人机编队航迹规划方法,所述规划方法包括以下步骤:
S1,用二进制序列对无人机和航迹进行编码,将不同的编队航迹规划结果对应为人工鱼;
S2,用随机数对人工鱼群进行初始化;
S3,计算每只人工鱼的目标函数值;
S4,每条人工鱼依次进行觅食行为、聚群行为、追尾行为和随机行为;
S5,在所有人工鱼进行如上四种行为后,对精英人工鱼进行保留并开始新一轮迭代过程;
S6,判断是否达到指定迭代次数;如果达到,则在到达指定迭代次数后输出最优人工鱼作为植保无人机编队航迹;如果未达到,则返回步骤S3。
优选地,所述步骤S1具体为: 用二进制序列对无人机进行编码,以便进行目标函数的计算,设置精英人工鱼群算法的算法参数,具体包括鱼群中人工鱼的数量M,人工鱼的视野距离N,拥挤程度L,随机步长P,以便算法正常运行,再根据作物遭受虫灾的严重程度和喷药所需的燃料成本计算得到采用每种航迹进行喷药所能获得收益得到无人机每条航迹的具体收益程度设置目标函数。
优选地,所述步骤S2具体为:根据作物遭受虫灾的严重程度和喷药所需的燃料成本进行归一化,对每只人工鱼进行编码,并用随机数对鱼群中的每一条人工鱼进行初始化。
优选地,所述步骤S3中计算人工鱼的目标函数值,并将目标函数值最优的人工鱼保存为精英人工鱼,精英人工鱼不参与后面的游动过程,包括不进行觅食行为、聚群行为、追尾行为和随机行为。
优选地,如果鱼群中有比原精英人工鱼更优的人工鱼,则用该人工鱼替代精英人工鱼,完成精英人工鱼的更新。
优选地,所述步骤S1 中,人工鱼的数量M=50。
优选地:所述步骤S4 中的觅食行为的步骤包括:在人工鱼的视野范围内随机生成一个新的人工鱼,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入聚群行为,否则直接进入聚群行为。
优选地,所述步骤S4中,聚群行为的步骤包括:人工鱼群计算当前视野内的人工鱼数量,并计算出所有视野内人工鱼的中心位置,然后将中心位置的人工鱼的目标函数值与原人工鱼进行比较,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入追尾行为,否则直接进入追尾行为。
优选地,所述步骤S4中的追尾行为的步骤包括:计算当前人工鱼视野内所有人工鱼的最高目标函数值,如果最高目标函数值优于当前人工鱼,则用当前人工鱼游向最高目标函数值对应的人工鱼,并跳过随机行为,否则直接进入随机行为;
优选地,所述步骤S4中的随机行为的步骤包括:用随机数生成一条人工鱼替换当前人工鱼。
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精英人工鱼群的植保无人机编队航迹规划方法,通过模拟开放水域中鱼群对食物觅食的过程,模仿鱼群游动轨迹的优化来实现植保无人机编队航迹规划问题的优化,减少了无人机燃料消耗,降低了成本,优化了航程轨迹,提高了喷药效果,即能够降低成本提高收益。
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是本发明基于精英人工鱼群的植保无人机编队航迹规划方法的流程图。
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,本实施例公开了基于精英人工鱼群的植保无人机编队航迹规划方法,是根据作物遭受虫灾的严重程度和喷药所需的燃料成本计算得到采用每种航迹进行喷药所能获得收益,再模拟开放水域中鱼群对食物觅食的过程,模仿鱼群游动轨迹的优化来实现植保无人机编队航迹规划问题的优化;首先用二进制序列对无人机进行编码,然后将不同的编队航迹规划结果对应为人工鱼,每条人工鱼依次进行觅食行为、聚群行为、追尾行为和随机行为;在所有人工鱼进行如上四种行为后,对精英人工鱼进行保留并开始新一轮迭代过程,在到达指定迭代次数后输出最优人工鱼作为植保无人机编队航迹;本实施例的方法包括如下步骤:
(1) 用二进制序列对无人机进行编码,以便进行目标函数的计算,设置精英人工鱼群算法的算法参数,具体包括鱼群中人工鱼的数量M=50,人工鱼的视野距离N,拥挤程度L,随机步长P,以便算法正常运行,再根据作物遭受虫灾的严重程度和喷药所需的燃料成本计算得到采用每种航迹进行喷药所能获得收益得到无人机每条航迹的具体收益程度设置目标函数;
(2) 根据作物遭受虫灾的严重程度和喷药所需的燃料成本进行归一化,对每只人工鱼进行编码,并用用随机数对鱼群中的每一条人工鱼进行初始化;
(3) 依据步骤(1)中的目标函数计算人工鱼群中每条人工鱼的目标函数值,并将目标函数值最优的人工鱼保存为精英人工鱼,精英人工鱼不参与后面的游动过程,包括不进行觅食行为、聚群行为、追尾行为和随机行为;
(4) 除精英人工鱼外,人工鱼群中的每条人工鱼依次进行觅食行为、聚群行为、追尾行为和随机行为;
(a)觅食行为的步骤包括:在人工鱼的视野范围内随机生成一个新的人工鱼,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入聚群行为,否则直接进入聚群行为;
(b)聚群行为的步骤包括:人工鱼群计算当前视野内的人工鱼数量,并计算出所有视野内人工鱼的中心位置,然后将中心位置的人工鱼的目标函数值与原人工鱼进行比较,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入追尾行为,否则直接进入追尾行为;
(c)追尾行为的步骤包括:计算当前人工鱼视野内所有人工鱼的最高目标函数值,如果最高目标函数值优于当前人工鱼,则用当前人工鱼游向最高目标函数值对应的人工鱼,并跳过随机行为,否则直接进入随机行为;
(d)随机行为的步骤包括:用随机数生成一条人工鱼替换当前人工鱼;
(5) 如果鱼群中有比原精英人工鱼更优的人工鱼,则用该人工鱼替代精英人工鱼,完成精英人工鱼的更新。
(6) 判断是否精英人工鱼群算法已经运行了指定的迭代次数,如果已经到达,则输出最优人工鱼作为植保无人机编队航迹,否则返回步骤(3)
本发明通过模拟开放水域中鱼群对食物觅食的过程,模仿鱼群游动轨迹的优化来实现植保无人机编队航迹规划问题的优化,减少了无人机燃料消耗,降低了成本,优化了航程轨迹,提高了喷药效果,即能够降低成本提高收益。
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。
Claims (10)
1.基于精英人工鱼群的植保无人机编队航迹规划方法,其特征在于,所述规划方法包括以下步骤:
S1,用二进制序列对无人机和航迹进行编码,将不同的编队航迹规划结果对应为人工鱼;
S2,用随机数对人工鱼群进行初始化;
S3,计算每只人工鱼的目标函数值;
S4,每条人工鱼依次进行觅食行为、聚群行为、追尾行为和随机行为;
S5,在所有人工鱼进行如上四种行为后,对精英人工鱼进行保留并开始新一轮迭代过程;
S6,判断是否达到指定迭代次数;如果达到,则在到达指定迭代次数后输出最优人工鱼作为植保无人机编队航迹;如果未达到,则返回步骤S3。
2.根据权利要求1所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S1具体为: 用二进制序列对无人机进行编码,以便进行目标函数的计算,设置精英人工鱼群算法的算法参数,具体包括鱼群中人工鱼的数量M,人工鱼的视野距离N,拥挤程度L,随机步长P,以便算法正常运行,再根据作物遭受虫灾的严重程度和喷药所需的燃料成本计算得到采用每种航迹进行喷药所能获得收益得到无人机每条航迹的具体收益程度设置目标函数。
3.根据权利要求1所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S2具体为:根据作物遭受虫灾的严重程度和喷药所需的燃料成本进行归一化,对每只人工鱼进行编码,并用随机数对鱼群中的每一条人工鱼进行初始化。
4.根据权利要求1所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S3中计算人工鱼的目标函数值,并将目标函数值最优的人工鱼保存为精英人工鱼,精英人工鱼不参与后面的游动过程,包括不进行觅食行为、聚群行为、追尾行为和随机行为。
5.根据权利要求4所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,如果鱼群中有比原精英人工鱼更优的人工鱼,则用该人工鱼替代精英人工鱼,完成精英人工鱼的更新。
6.根据权利要求1所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S1 中,人工鱼的数量M=50。
7.根据权利要求1 所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S4 中的觅食行为的步骤包括:在人工鱼的视野范围内随机生成一个新的人工鱼,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入聚群行为,否则直接进入聚群行为。
8.根据权利要求1 所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S4 中,聚群行为的步骤包括:人工鱼群计算当前视野内的人工鱼数量,并计算出所有视野内人工鱼的中心位置,然后将中心位置的人工鱼的目标函数值与原人工鱼进行比较,如果新的人工鱼的目标函数值优于当前人工鱼,则用新的人工鱼替换当前的人工鱼,并进入追尾行为,否则直接进入追尾行为。
9.根据权利要求1 所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S4中的追尾行为的步骤包括:计算当前人工鱼视野内所有人工鱼的最高目标函数值,如果最高目标函数值优于当前人工鱼,则用当前人工鱼游向最高目标函数值对应的人工鱼,并跳过随机行为,否则直接进入随机行为。
10.根据权利要求1 所述的基于精英人工鱼群的的植保无人机编队航迹规划方法,其特征在于,所述步骤S4中的随机行为的步骤包括:用随机数生成一条人工鱼替换当前人工鱼。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611168620.1A CN106651021A (zh) | 2016-12-16 | 2016-12-16 | 基于精英人工鱼群的植保无人机编队航迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611168620.1A CN106651021A (zh) | 2016-12-16 | 2016-12-16 | 基于精英人工鱼群的植保无人机编队航迹规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651021A true CN106651021A (zh) | 2017-05-10 |
Family
ID=58823800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611168620.1A Pending CN106651021A (zh) | 2016-12-16 | 2016-12-16 | 基于精英人工鱼群的植保无人机编队航迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651021A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300925A (zh) * | 2017-07-12 | 2017-10-27 | 西北工业大学 | 基于改进鱼群算法的四旋翼无人机姿控参数整定方法 |
CN107392388A (zh) * | 2017-07-31 | 2017-11-24 | 南昌航空大学 | 一种采用改进人工鱼群算法规划无人机三维航迹的方法 |
CN111046486A (zh) * | 2019-11-18 | 2020-04-21 | 西北工业大学 | 运载火箭一子级伞控回收航迹规划方法 |
CN112435742A (zh) * | 2020-10-22 | 2021-03-02 | 北京工业大学 | 一种用于对fMRI脑功能连接数据进行特征约简的邻域粗糙集方法 |
CN113283178A (zh) * | 2021-06-17 | 2021-08-20 | 山东建筑大学 | 基于人工鱼群算法的多机器鱼控制方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679264A (zh) * | 2013-12-23 | 2014-03-26 | 山东师范大学 | 基于人工鱼群算法的人群疏散路径规划方法 |
-
2016
- 2016-12-16 CN CN201611168620.1A patent/CN106651021A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679264A (zh) * | 2013-12-23 | 2014-03-26 | 山东师范大学 | 基于人工鱼群算法的人群疏散路径规划方法 |
Non-Patent Citations (1)
Title |
---|
喻俊松: "基于改进人工鱼群算法的无人机路径规划", 《弹箭与制导学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300925A (zh) * | 2017-07-12 | 2017-10-27 | 西北工业大学 | 基于改进鱼群算法的四旋翼无人机姿控参数整定方法 |
CN107300925B (zh) * | 2017-07-12 | 2020-05-12 | 西北工业大学 | 基于改进鱼群算法的四旋翼无人机姿控参数整定方法 |
CN107392388A (zh) * | 2017-07-31 | 2017-11-24 | 南昌航空大学 | 一种采用改进人工鱼群算法规划无人机三维航迹的方法 |
CN111046486A (zh) * | 2019-11-18 | 2020-04-21 | 西北工业大学 | 运载火箭一子级伞控回收航迹规划方法 |
CN111046486B (zh) * | 2019-11-18 | 2022-05-03 | 西北工业大学 | 运载火箭一子级伞控回收航迹规划方法 |
CN112435742A (zh) * | 2020-10-22 | 2021-03-02 | 北京工业大学 | 一种用于对fMRI脑功能连接数据进行特征约简的邻域粗糙集方法 |
CN112435742B (zh) * | 2020-10-22 | 2023-10-20 | 北京工业大学 | 一种用于对fMRI脑功能连接数据进行特征约简的邻域粗糙集方法 |
CN113283178A (zh) * | 2021-06-17 | 2021-08-20 | 山东建筑大学 | 基于人工鱼群算法的多机器鱼控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651021A (zh) | 基于精英人工鱼群的植保无人机编队航迹规划方法 | |
Meffe et al. | Ecosystem management: adaptive, community-based conservation | |
CN112000131B (zh) | 基于人工势场法的无人机集群路径规划方法及系统 | |
CN104573812B (zh) | 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法 | |
CN110488872A (zh) | 一种基于深度强化学习的无人机实时路径规划方法 | |
CN106097424A (zh) | 一种农业生态场景的可视化方法及装置 | |
CN113421345B (zh) | 基于深度强化学习技术的仿生机器鱼群集导航模拟方法 | |
Niese et al. | Procedural urban forestry | |
Pedroli et al. | Values of rural landscapes in Europe: inspiration or by-product? | |
Earle | Using fractal neural networks to play simcity 1 and conway's game of life at variable scales | |
Beneš et al. | Urban ecosystem design | |
CN107016212A (zh) | 基于动态贝叶斯网络的意图分析方法 | |
Adams | Simulation principles from dwarf fortress | |
CN106597850A (zh) | 一种基于混沌蛙跳的植保无人机编队目标分配方法 | |
CN114169227A (zh) | 基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法 | |
Ma et al. | Playing Angry Birds with a Neural Network and Tree Search | |
Wu et al. | POMDP to the rescue: Boosting performance for RoboCup rescue | |
Stanley et al. | Analyzing prehistoric hunter behavior with cultural algorithms | |
Si et al. | Automated terrain analysis in real-time strategy games. | |
Ackerman et al. | Using Tree Modeling Applications and Game Design Software to Simulate Tree Growth, Mortality, and Community Interaction | |
TWI826873B (zh) | 農藥噴灑規劃方法及農藥噴灑系統 | |
Gandolfi et al. | Forest restoration: many views and objectives | |
Jha et al. | On using emotions in decision-making by situated robots | |
Erdogan | Environmental Importance of Olive Groves in Cultural Landscape, The Case Study of Antalya | |
Meng et al. | Rural Development and Transformation in Germany since the 1950s and Lessons for China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |