CN107180277B - 应用精英反向和声搜索的无人机巡检路径规划方法 - Google Patents

应用精英反向和声搜索的无人机巡检路径规划方法 Download PDF

Info

Publication number
CN107180277B
CN107180277B CN201710371440.1A CN201710371440A CN107180277B CN 107180277 B CN107180277 B CN 107180277B CN 201710371440 A CN201710371440 A CN 201710371440A CN 107180277 B CN107180277 B CN 107180277B
Authority
CN
China
Prior art keywords
individual
aerial vehicle
unmanned aerial
harmony
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.)
Active
Application number
CN201710371440.1A
Other languages
English (en)
Other versions
CN107180277A (zh
Inventor
郭肇禄
岳雪芝
王洋
周才英
刘小生
余法红
李康顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Buddhist Tzu Chi General Hospital
Original Assignee
Buddhist Tzu Chi General Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Buddhist Tzu Chi General Hospital filed Critical Buddhist Tzu Chi General Hospital
Priority to CN201710371440.1A priority Critical patent/CN107180277B/zh
Publication of CN107180277A publication Critical patent/CN107180277A/zh
Application granted granted Critical
Publication of CN107180277B publication Critical patent/CN107180277B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Selective Calling Equipment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种应用精英反向和声搜索的无人机巡检路径规划方法。本发明采用精英反向和声搜索来规划无人机的巡检路径。在精英反向和声搜索中，首先执行基于精英反向策略的搜索操作产生新个体，然后选择优秀个体进入下一代和声库，如此循环这个搜索操作过程直至满足终止条件，最后将得到的最优个体解码为无人机的巡检路径，即可实现无人机巡检路径的规划。本发明能够提高无人机巡检路径的规划效率。

Description

应用精英反向和声搜索的无人机巡检路径规划方法
技术领域
本发明涉及无人机路径规划领域，尤其是涉及一种应用精英反向和声搜索的无人机巡检路径规划方法。
背景技术
随着无人机技术的快速发展，无人机已经越来越深入地应用到了各种工程领域中，其中基于无人机的巡检技术是一项非常有潜力的技术。无人机巡检技术已经在各种工程实践问题中得到了很成功的应用，尤其是在输电线路巡检、森林火警巡检、石油管道巡检、通信基站巡检等方面，无人机技术具有无可比拟的优势。在无人机巡检应用中，常常会遇到这样的无人机巡检路径规划问题：给定了若干个待巡检点的坐标位置，要求为一无人机规划一条巡检路径，使得该无人机从源巡检点出发然后经过每个巡检点一次且仅一次后再回到源巡检点，并且要求该无人机所经过的路径耗费最小化。为了解决该无人机巡检路径规划问题，研究人员一般都是采用演化算法来求解。
和声搜索是一种模拟音乐家创作过程的演化算法，它在解决许多现实工程实际问题中具有非常优越的性能。许多学者将和声搜索成功应用到了各种领域中，例如孙子文和孙崇利用自适应和声搜索来实现无线传感网络中节点的定位(孙子文,孙崇.基于两跳约束和自适应和声搜索的定位算法[J].小型微型计算机系统,2017,38(03):460-464)；梁杉等利用改进和声搜索算法来重构配电网(梁杉,毛弋,刘小丽,彭文强,范幸,邓海潮.改进和声搜索算法用于配电网重构[J].电力系统及其自动化学报,2017,29(03):90-95.)；张海如等利用改进的和声搜索来反演地面核磁共振(张海如,王国富,张法全.基于改进的和声搜索算法的地面核磁共振反演[J].科学技术与工程,2016,16(34):18-21+27.)。
虽然和声搜索在许多工程领域中获得了较为满意的结果，但传统和声搜索应用于无人机巡检路径规划时容易出现收敛速度慢的缺点。因此，为了提高和声搜索规划无人机巡检路径的效率，需要利用种群中精英个体的信息，以此增强和声搜索的局部搜索能力，从而提高其收敛速度。
发明内容
本发明的目的是提供一种应用精英反向和声搜索的无人机巡检路径规划方法。它在很大程度上克服了传统和声搜索应用于无人机巡检路径规划时容易出现收敛速度慢的缺点，本发明能够提高无人机巡检路径的规划效率。
本发明的技术方案：一种应用精英反向和声搜索的无人机巡检路径规划方法，包括以下步骤：
步骤1，输入无人机需要巡检点的坐标，并确定无人机需要巡检点的数量DIM；
步骤2，用户初始化参数，设置和声库的大小HMS，和声库选取概率HMCR，扰动概率PAR，最大评价次数MAX_FEs；
步骤3，令当前演化代数t＝0，并令当前评价次数FEs＝0；
步骤4，随机产生初始和声库
Figure BDA0001302866130000021
其中：个体下标i＝1,2,…,HMS；并且
Figure BDA0001302866130000022
为和声库Pt中的第i个个体；个体
Figure BDA0001302866130000023
存储了DIM个巡检点的顺序权值，其中
Figure BDA0001302866130000024
为个体
Figure BDA0001302866130000025
中的第j个巡检点的顺序权值，其随机初始化公式为：
Figure BDA0001302866130000026
其中维度下标j＝1,2,…,DIM；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；
步骤5，计算和声库Pt中每个个体的适应值，并保存和声库Pt中的最优个体Bestt，然后令当前评价次数FEs＝FEs+HMS；
步骤6，执行基于精英反向策略的搜索操作产生个体Vt，具体步骤如下：
步骤6.1，令计数器mj＝1；
步骤6.2，如果计数器mj小于或等于DIM，则转到步骤6.3，否则转到步骤7；
步骤6.3，在[1,HMS]之间随机产生三个互不相等的正整数R1，R2和R3；
步骤6.4，在[0,1]之间随机产生一个实数Pmk；
步骤6.5，如果Pmk小于HMCR，则转到步骤6.6，否则转到步骤6.14；
步骤6.6，令
Figure BDA0001302866130000031
步骤6.7，在[0,1]之间随机产生两个实数P1和P2；
步骤6.8，如果P1小于PAR，则转到步骤6.9，否则转到步骤6.15；
步骤6.9，如果P2小于0.5，则转到步骤6.10，否则转到步骤6.11；
步骤6.10，令
Figure BDA0001302866130000032
然后转到步骤6.15；
步骤6.11，按以下公式计算和声库Pt中第mj维上的最小值
Figure BDA0001302866130000033
与最大值
Figure BDA0001302866130000034
Figure BDA0001302866130000035
Figure BDA0001302866130000036
其中个体下标i＝1,2,…,HMS；min为取最小值函数；max为取最大值函数；
步骤6.12，令
Figure BDA0001302866130000037
其中精英反向因子RO为[0,1]之间的随机实数，精英反向权值OW为[0,1]之间的随机实数；
步骤6.13，转到步骤6.15；
步骤6.14，令
Figure BDA0001302866130000038
其中交叉因子RS为[0,1]之间的随机实数，搜索因子RL为[0,1]之间的随机实数；
步骤6.15，令计数器mj＝mj+1，转到步骤6.2；
步骤7，计算个体Vt的适应值；
步骤8，在个体Vt与和声库中的最差个体这两者之间选择出更优个体进入新一代和声库；
步骤9，令当前评价次数FEs＝FEs+1，并令当前演化代数t＝t+1；
步骤10，保存和声库Pt中的最优个体Bestt；
步骤11，重复步骤6至步骤10，直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为无人机的巡检路径，即可实现无人机巡检路径规划。
本发明采用精英反向和声搜索来规划无人机的巡检路径。在精英反向和声搜索中，首先执行基于精英反向策略的搜索操作产生新个体，然后选择优秀个体进入下一代和声库，如此循环这个搜索操作过程直至满足终止条件，最后将得到的最优个体解码为无人机的巡检路径，即可实现无人机巡检路径的规划。本发明能够提高无人机巡检路径的规划效率。
附图说明
图1为本发明的流程图。
图2为实施例中用于规划无人机巡检路径的巡检点，图中每个小黑点表示一个巡检点。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
步骤1，输入图2所示的无人机需要巡检点的坐标，并确定无人机需要巡检点的数量DIM＝30；
步骤2，用户初始化参数，设置和声库的大小HMS＝100，和声库选取概率HMCR＝0.95，扰动概率PAR＝0.6，最大评价次数MAX_FEs＝200000；
步骤3，令当前演化代数t＝0，并令当前评价次数FEs＝0；
步骤4，随机产生初始和声库
Figure BDA0001302866130000041
其中：个体下标i＝1,2,…,HMS；并且
Figure BDA0001302866130000042
为和声库Pt中的第i个个体；个体
Figure BDA0001302866130000043
存储了DIM个巡检点的顺序权值，其中
Figure BDA0001302866130000044
为个体
Figure BDA0001302866130000045
中的第j个巡检点的顺序权值，其随机初始化公式为：
Figure BDA0001302866130000046
其中维度下标j＝1,2,…,DIM；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；
步骤5，计算和声库Pt中每个个体的适应值，并保存和声库Pt中的最优个体Bestt，然后令当前评价次数FEs＝FEs+HMS；
步骤6，执行基于精英反向策略的搜索操作产生个体Vt，具体步骤如下：
步骤6.1，令计数器mj＝1；
步骤6.2，如果计数器mj小于或等于DIM，则转到步骤6.3，否则转到步骤7；
步骤6.3，在[1,HMS]之间随机产生三个互不相等的正整数R1，R2和R3；
步骤6.4，在[0,1]之间随机产生一个实数Pmk；
步骤6.5，如果Pmk小于HMCR，则转到步骤6.6，否则转到步骤6.14；
步骤6.6，令
Figure BDA0001302866130000051
步骤6.7，在[0,1]之间随机产生两个实数P1和P2；
步骤6.8，如果P1小于PAR，则转到步骤6.9，否则转到步骤6.15；
步骤6.9，如果P2小于0.5，则转到步骤6.10，否则转到步骤6.11；
步骤6.10，令
Figure BDA0001302866130000052
然后转到步骤6.15；
步骤6.11，按以下公式计算和声库Pt中第mj维上的最小值
Figure BDA0001302866130000053
与最大值
Figure BDA0001302866130000054
Figure BDA0001302866130000055
Figure BDA0001302866130000056
其中个体下标i＝1,2,…,HMS；min为取最小值函数；max为取最大值函数；
步骤6.12，令
Figure BDA0001302866130000057
其中精英反向因子RO为[0,1]之间的随机实数，精英反向权值OW为[0,1]之间的随机实数；
步骤6.13，转到步骤6.15；
步骤6.14，令
Figure BDA0001302866130000061
其中交叉因子RS为[0,1]之间的随机实数，搜索因子RL为[0,1]之间的随机实数；
步骤6.15，令计数器mj＝mj+1，转到步骤6.2；
步骤7，计算个体Vt的适应值；
步骤8，在个体Vt与和声库中的最差个体这两者之间选择出更优个体进入新一代和声库；
步骤9，令当前评价次数FEs＝FEs+1，并令当前演化代数t＝t+1；
步骤10，保存和声库Pt中的最优个体Bestt；
步骤11，重复步骤6至步骤10，直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为无人机的巡检路径，即可实现无人机巡检路径规划。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种应用精英反向和声搜索的无人机巡检路径规划方法，其特征在于，包括以下步骤：
步骤1，输入无人机需要巡检点的坐标，并确定无人机需要巡检点的数量DIM；
步骤2，用户初始化参数，设置和声库的大小HMS，和声库选取概率HMCR，扰动概率PAR，最大评价次数MAX_FEs；
步骤3，令当前演化代数t＝0，并令当前评价次数FEs＝0；
步骤4，随机产生初始和声库
Figure FDA0001302866120000011
其中：个体下标i＝1,2,...,HMS；并且
Figure FDA0001302866120000012
为和声库Pt中的第i个个体；个体
Figure FDA0001302866120000013
存储了DIM个巡检点的顺序权值，其中
Figure FDA0001302866120000014
为个体
Figure FDA0001302866120000015
中的第j个巡检点的顺序权值，其随机初始化公式为：
Figure FDA0001302866120000016
其中维度下标j＝1,2,...,DIM；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；
步骤5，计算和声库Pt中每个个体的适应值，并保存和声库Pt中的最优个体Bestt，然后令当前评价次数FEs＝FEs+HMS；
步骤6，执行基于精英反向策略的搜索操作产生个体Vt，具体步骤如下：
步骤6.1，令计数器mj＝1；
步骤6.2，如果计数器mj小于或等于DIM，则转到步骤6.3，否则转到步骤7；
步骤6.3，在[1,HMS]之间随机产生三个互不相等的正整数R1，R2和R3；
步骤6.4，在[0,1]之间随机产生一个实数Pmk；
步骤6.5，如果Pmk小于HMCR，则转到步骤6.6，否则转到步骤6.14；
步骤6.6，令
Figure FDA0001302866120000021
步骤6.7，在[0,1]之间随机产生两个实数P1和P2；
步骤6.8，如果P1小于PAR，则转到步骤6.9，否则转到步骤6.15；
步骤6.9，如果P2小于0.5，则转到步骤6.10，否则转到步骤6.11；
步骤6.10，令
Figure FDA0001302866120000022
然后转到步骤6.15；
步骤6.11，按以下公式计算和声库Pt中第mj维上的最小值
Figure FDA0001302866120000023
与最大值
Figure FDA0001302866120000024
Figure FDA0001302866120000025
Figure FDA0001302866120000026
其中个体下标i＝1,2,...,HMS；min为取最小值函数；max为取最大值函数；
步骤6.12，令
Figure FDA0001302866120000027
其中精英反向因子RO为[0,1]之间的随机实数，精英反向权值OW为[0,1]之间的随机实数；
步骤6.13，转到步骤6.15；
步骤6.14，令
Figure FDA0001302866120000028
其中交叉因子RS为[0,1]之间的随机实数，搜索因子RL为[0,1]之间的随机实数；
步骤6.15，令计数器mj＝mj+1，转到步骤6.2；
步骤7，计算个体Vt的适应值；
步骤8，在个体Vt与和声库中的最差个体这两者之间选择出更优个体进入新一代和声库；
步骤9，令当前评价次数FEs＝FEs+1，并令当前演化代数t＝t+1；
步骤10，保存和声库Pt中的最优个体Best t；
步骤11，重复步骤6至步骤10，直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为无人机的巡检路径，即可实现无人机巡检路径规划。
CN201710371440.1A 2017-05-24 2017-05-24 应用精英反向和声搜索的无人机巡检路径规划方法 Active CN107180277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710371440.1A CN107180277B (zh) 2017-05-24 2017-05-24 应用精英反向和声搜索的无人机巡检路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710371440.1A CN107180277B (zh) 2017-05-24 2017-05-24 应用精英反向和声搜索的无人机巡检路径规划方法

Publications (2)

Publication Number Publication Date
CN107180277A CN107180277A (zh) 2017-09-19
CN107180277B true CN107180277B (zh) 2020-03-27

Family

ID=59831357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710371440.1A Active CN107180277B (zh) 2017-05-24 2017-05-24 应用精英反向和声搜索的无人机巡检路径规划方法

Country Status (1)

Country Link
CN (1) CN107180277B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108267138B (zh) * 2018-01-27 2021-05-11 江西理工大学 应用适应性精英导向搜索的焊接机器人路径规划方法
CN107977990B (zh) * 2018-01-27 2021-05-04 江西理工大学 基于正弦启发式搜索的图像配准方法
CN113096425B (zh) * 2021-03-29 2021-12-31 紫清智行科技(北京)有限公司 应用于大型场景下的自动驾驶巡逻车的调度方法及系统
CN115357044A (zh) * 2022-08-16 2022-11-18 国网浙江省电力有限公司台州供电公司 无人机集群配网线路巡检路径规划方法、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1990788A1 (en) * 2006-03-01 2008-11-12 Toyota Jidosha Kabushiki Kaisha Vehicle path determining method and vehicle course determining device
CN106292657A (zh) * 2016-07-22 2017-01-04 北京地平线机器人技术研发有限公司 可移动机器人及其巡逻路径设置方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1990788A1 (en) * 2006-03-01 2008-11-12 Toyota Jidosha Kabushiki Kaisha Vehicle path determining method and vehicle course determining device
CN106292657A (zh) * 2016-07-22 2017-01-04 北京地平线机器人技术研发有限公司 可移动机器人及其巡逻路径设置方法

Also Published As

Publication number Publication date
CN107180277A (zh) 2017-09-19

Similar Documents

Publication Publication Date Title
CN107180277B (zh) 应用精英反向和声搜索的无人机巡检路径规划方法
Huang et al. Deep learning for physical-layer 5G wireless techniques: Opportunities, challenges and solutions
Chen et al. An intelligent robust networking mechanism for the Internet of Things
Li et al. Relay selection in underwater acoustic cooperative networks: A contextual bandit approach
Kim et al. Coded edge computing
Mudaliar et al. Unraveling travelling salesman problem by genetic algorithm using m-crossover operator
Thomas et al. Neuro-symbolic causal reasoning meets signaling game for emergent semantic communications
Gao et al. An advanced quantum optimization algorithm for robot path planning
Bhattacharya et al. Multiagent rollout and policy iteration for POMDP with application to multi-robot repair problems
CN115525038A (zh) 一种基于联邦分层优化学习的设备故障诊断方法
Zhuang et al. Parameter estimation of Lorenz chaotic system based on a hybrid Jaya-Powell algorithm
Zeng et al. Robotic global path-planning based modified genetic algorithm and A* algorithm
Zhao et al. Green MEC networks design under UAV attack: A deep reinforcement learning approach
CN104199884A (zh) 一种基于r覆盖率优先的社交网络观察点选取方法
Yan et al. Exkgr: Explainable multi-hop reasoning for evolving knowledge graph
Zhang et al. Hybrid artificial bee colony with covariance matrix adaptation evolution strategy for economic load dispatch
CN112115637B (zh) Noma系统模型构建、优化方法、电子设备、存储介质
Wang et al. Evolutionary harmony search algorithm with metropolis acceptance criterion for travelling salesman problem
CN104680263A (zh) 基于粒子群算法的电力运输网络拓扑结构设计方法
Jena et al. Optimal scheduling with opposition based differential evolution optimized fixed head hydro-thermal power system
Li et al. A stacking ensemble learning model for mobile traffic prediction
Hou et al. Towards Robust Dynamic Network Embedding.
Li et al. Modified particle swarm optimization and its application in multimodal function optimization
Khoa et al. Training multilayer neural network by global chaos optimization algorithms
Geng et al. Improved bat algorithm based on fast diving strategy

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
GR01 Patent grant
GR01 Patent grant