郝延軍，羅 軍，陳治平，何佑明，孫彥飛

(解放軍陸軍軍官學(xué)院，安徽合肥230031)

0 引言

航路規(guī)劃(Path Planning)［1，2］是指在目標(biāo)點(diǎn)與起始點(diǎn)之間，為運(yùn)動(dòng)物體尋找滿(mǎn)足某種性能指標(biāo)和某些約束的線路、路徑。在制定無(wú)人機(jī)部(分)隊(duì)作戰(zhàn)計(jì)劃時(shí)，首先要進(jìn)行合理的航路規(guī)劃，以期在種種約束條件之下無(wú)人機(jī)能夠順利地往返可疑目標(biāo)點(diǎn)(有時(shí)是多個(gè)目標(biāo)點(diǎn))，并能對(duì)目標(biāo)點(diǎn)發(fā)揮無(wú)人機(jī)最大的作戰(zhàn)效能。

1 無(wú)人機(jī)航路規(guī)劃的基本步驟

1.1 確定航路規(guī)劃的主要指標(biāo)

航路規(guī)劃時(shí)選擇的主要指標(biāo)包括:有效飛行時(shí)間、目標(biāo)價(jià)值指數(shù)和航路總長(zhǎng)等。

有效飛行時(shí)間Teffective是無(wú)人機(jī)作用目標(biāo)的時(shí)間。若無(wú)人機(jī)等速飛行，則無(wú)人機(jī)的有效飛行時(shí)間也就可以轉(zhuǎn)變?yōu)橛行эw行距離，可記為L(zhǎng)effective。

目標(biāo)價(jià)值指數(shù)是指目標(biāo)的重要程度。在對(duì)不同的目標(biāo)執(zhí)行任務(wù)時(shí)，對(duì)于價(jià)值較高的目標(biāo)通常需要有效作用的時(shí)間長(zhǎng)，而對(duì)于價(jià)值相對(duì)較低的目標(biāo)，則可以壓縮作用時(shí)間。

航路總長(zhǎng)是指在遂行了一定的任務(wù)之后，總的航路長(zhǎng)度，這里指路程，而不是位移。

1.2 確定目標(biāo)位置

目標(biāo)對(duì)無(wú)人機(jī)的吸引程度由目標(biāo)的軍事價(jià)值、無(wú)人機(jī)性能和任務(wù)決定。敵方的目標(biāo)一般以點(diǎn)目標(biāo)較多，但當(dāng)目標(biāo)為明顯的面目標(biāo)時(shí)，則選擇其中心點(diǎn)作為目標(biāo)點(diǎn)位置。

1.3 確定主要威脅位置

敵方對(duì)無(wú)人機(jī)的主要威脅有:敵方雷達(dá)陣地和敵方防空武器陣地等。在航路規(guī)劃時(shí)，在不影響作用效果或者影響效果不大的情況下盡可能遠(yuǎn)離或規(guī)避這些區(qū)域。

1.4 選擇無(wú)人機(jī)發(fā)射回收陣地

在盡可能安全的前提下，無(wú)人機(jī)盡量抵近第一個(gè)目標(biāo)點(diǎn)發(fā)射，以保證在航程一定的情況下能經(jīng)過(guò)盡可能多的目標(biāo)點(diǎn)。回收通常與發(fā)射是同一陣地，有時(shí)為增強(qiáng)抗毀性也可分開(kāi)。

1.5 優(yōu)化航路

航路的獲得是通過(guò)計(jì)算機(jī)按一定選優(yōu)算法仿真實(shí)現(xiàn)的，具體地說(shuō):首先構(gòu)建目標(biāo)點(diǎn)及威脅點(diǎn)的坐標(biāo)系。將上述各目標(biāo)點(diǎn)及威脅點(diǎn)用坐標(biāo)系來(lái)表示，將主要威脅點(diǎn)換算到平面直角坐標(biāo)系中。然后有針對(duì)性地規(guī)劃多條航路，這些航路不是最終航路，需要最優(yōu)化處理，本文采用改進(jìn)的蟻群算法和MATLAB二維仿真運(yùn)算實(shí)現(xiàn)尋優(yōu)過(guò)程。

1.6 后期處理航路

航路的后期處理通常是指航路的光順。該過(guò)程包括:初始航路的離散化、鏈路動(dòng)力學(xué)處理和最佳通過(guò)點(diǎn)附近的修正。

2 蟻群算法的基本原理

航路優(yōu)化方法［3-11］有很多，蟻群算法在這些方法中具有較好的魯棒性，在螞蟻數(shù)量不多時(shí)收斂速度快，無(wú)人機(jī)航路優(yōu)化尤其適合用蟻群算法來(lái)求解。

蟻群算法(Ant Colony Algorithm)［12，13］是一種仿真蟻群覓食過(guò)程的新型概率搜索算法。其原理在于，一只螞蟻在行動(dòng)中感知其他螞蟻留下的氣味，并在路網(wǎng)中散布自己的生物信息激素，而后到者會(huì)受前者信息激素影響，并很可能會(huì)對(duì)原有的信息激素進(jìn)行加強(qiáng)，如此循環(huán)下去。這樣，經(jīng)過(guò)螞蟻越多的路徑，被后到螞蟻選中的可能性就越大。通常越短的路徑會(huì)被越多的螞蟻訪問(wèn)，因而積累的信息激素也就越多，在下一個(gè)時(shí)間內(nèi)被其他螞蟻選中的可能性也就越大。這個(gè)過(guò)程會(huì)一直持續(xù)到幾乎所有的螞蟻都走最短的那一條路徑為止，那么這條路徑也就是蟻群選擇的距離最短的(有時(shí)是能量消耗最小的)最優(yōu)路徑。

3 改進(jìn)的蟻群算法

3.1 原蟻群算法的不足

上述蟻群算法運(yùn)用于無(wú)人機(jī)航路規(guī)劃時(shí)有其不足之處:

①蟻群在尋找食源時(shí)，它們的目標(biāo)是不定的，而無(wú)人機(jī)的作戰(zhàn)目標(biāo)是預(yù)先確定的。

②算法不滿(mǎn)足無(wú)人機(jī)航路選擇的要求。無(wú)人機(jī)對(duì)航路選擇要求有2點(diǎn):航路盡可能安全(主要防敵打擊和電磁干擾);航路盡量短(為減少路途飛行時(shí)間，增加執(zhí)行任務(wù)時(shí)間，有時(shí)也為減少油耗)。在這2個(gè)要求需要同時(shí)抉擇時(shí)，應(yīng)該首先滿(mǎn)足前者。但蟻群算法解決后者比較理想，解決前者卻略顯不足。

③第一只螞蟻對(duì)蟻群路徑選擇影響大，容易消耗蟻群正確選擇路徑的時(shí)間。如開(kāi)始時(shí)第一只螞蟻在探索路徑中(假設(shè)是較次的路徑)散布自己的生物信息激素，而后到者會(huì)受這只螞蟻信息激素影響，并很可能會(huì)加強(qiáng)信息激素，如此惡性循環(huán)下去，則這只螞蟻會(huì)極大地消耗正確選擇路徑的時(shí)間，在仿真實(shí)現(xiàn)中會(huì)占用計(jì)算機(jī)資源。

④無(wú)人機(jī)的路徑選擇過(guò)程對(duì)信息內(nèi)容要求較嚴(yán)，因?yàn)橄伻哼x擇路徑時(shí)一般是靜態(tài)的，需要考慮的因素少，而無(wú)人機(jī)選擇路徑是動(dòng)態(tài)的，要隨戰(zhàn)場(chǎng)變化實(shí)時(shí)調(diào)整的。

3.2 改進(jìn)的蟻群算法

通過(guò)分析上述算法不足，本文提出新的改進(jìn)算法。首先，在算法中設(shè)定具體目標(biāo)和可能經(jīng)過(guò)的威脅點(diǎn);其次，在信息激素中除了有距離信息還需要增加威脅度信息，并將威脅度設(shè)為權(quán)重較高的參數(shù)指標(biāo);再次，在航路規(guī)劃仿真開(kāi)始階段，同時(shí)發(fā)送多個(gè)探路人工蟻。探路人工蟻是專(zhuān)門(mén)探路的專(zhuān)職人工蟻，其探路行動(dòng)各自獨(dú)立，也可以按人工預(yù)定線路探路，到達(dá)目標(biāo)返回后，報(bào)告所行路徑的安全度和行程距離。探路人工蟻的數(shù)量可根據(jù)計(jì)算機(jī)處理能力設(shè)定，一般至少5個(gè)。由探路人工蟻探測(cè)出通往目標(biāo)的可能路徑和相關(guān)指標(biāo)后，再根據(jù)要求初選出幾條較好路徑，然后再由人工蟻群算法確定最優(yōu)路徑。最后，信息激素中的信息是隨時(shí)更新，以便于適應(yīng)戰(zhàn)場(chǎng)動(dòng)態(tài)變化。

在新算法使用中，有些時(shí)候探路人工蟻可能得不出無(wú)人機(jī)通往目標(biāo)的航路路徑，這很可能因?yàn)橥{點(diǎn)過(guò)多，或有的威脅度過(guò)高，此時(shí)，可以通過(guò)改變一個(gè)或幾個(gè)威脅點(diǎn)的危險(xiǎn)度，再由算法得出可能的航路。這為我部隊(duì)通過(guò)戰(zhàn)法或其他手段，降低其威脅度提供依據(jù)。當(dāng)目標(biāo)本身威脅度很高時(shí)，則合理采用無(wú)人機(jī)戰(zhàn)法來(lái)解決，如采用“復(fù)眼”和“蜂群”戰(zhàn)法［14］，這里與航路規(guī)劃無(wú)關(guān)，不詳細(xì)討論。

3.2.1 改進(jìn)的蟻群算法的基本假設(shè)

改進(jìn)的蟻群算法基于以下基本假設(shè):

①在航路規(guī)劃仿真開(kāi)始階段。探路人工蟻按制約條件獨(dú)自向目標(biāo)方向行動(dòng)，返回后，報(bào)告其所行路徑的安全度和行程距離，給出初選的幾條航路。

②蟻群選優(yōu)仿真階段。第一，人工蟻之間通過(guò)環(huán)境進(jìn)行通信。通信內(nèi)容具有安全信息，這樣使安全度高的路徑與信息激素高的路徑趨于一致。第二，每只人工蟻僅根據(jù)其周?chē)木植凯h(huán)境做出反應(yīng)，也僅對(duì)其周?chē)木植凯h(huán)境產(chǎn)生影響。人工蟻之間通過(guò)激素相互影響，并趨向于選擇信息激素濃度高的方向。人工蟻對(duì)環(huán)境的反應(yīng)由其內(nèi)部模式?jīng)Q定。第三，在個(gè)體水平上，每只人工蟻僅根據(jù)環(huán)境做出獨(dú)立選擇。在群體水平上，單只人工蟻的行為是隨機(jī)的，但蟻群通過(guò)自組織過(guò)程形成高度有序的群體行為。

以上基本假設(shè)構(gòu)成了改進(jìn)蟻群算法，基于以上基本假設(shè)的螞蟻系統(tǒng)，實(shí)際上是一類(lèi)多主體系統(tǒng)。在人工螞蟻系統(tǒng)中，人工蟻設(shè)計(jì)成反應(yīng)型主體，它包括一個(gè)感知器、一個(gè)反應(yīng)器和一個(gè)內(nèi)部執(zhí)行系統(tǒng)。感知器收集環(huán)境信息如收集其他人工蟻的信息、紀(jì)錄當(dāng)?shù)赝{度信息及所行航程;內(nèi)部執(zhí)行系統(tǒng)具有分析收集的環(huán)境信息，選擇下一步路徑(選擇人工蟻較多的路徑);反應(yīng)器則在執(zhí)行系統(tǒng)處理后，散布自身信息。反應(yīng)型主體的執(zhí)行系統(tǒng)是一組“條件—處理—?jiǎng)幼鳌币?guī)則，將主體的感知器與效應(yīng)器連接起來(lái)。

3.2.2 編程實(shí)現(xiàn)探路人工蟻對(duì)航路的初選

因?yàn)楹铰烦踹x不是簡(jiǎn)單的類(lèi)旅行商(TSP)問(wèn)題，更不是簡(jiǎn)單的尋求最短路徑的行為，因此在編程時(shí)，必須考慮約束條件。螞蟻系統(tǒng)的主體——環(huán)境模型如圖1所示。

圖1 螞蟻系統(tǒng)的主體——環(huán)境模型

威脅量不能超過(guò)指揮員的許可范圍，即無(wú)人機(jī)的被毀殲概率不能超過(guò)某一特定的數(shù)值。無(wú)人機(jī)的總路徑長(zhǎng)度不能超過(guò)無(wú)人機(jī)的航程。一旦兩者不能達(dá)成，則程序需要跳出循環(huán)，提示要求的任務(wù)是無(wú)法完成的。

由于該優(yōu)化不便于用傳統(tǒng)的優(yōu)化論的方法求解，因此需要采取一定的人工智能求解最優(yōu)路線，進(jìn)而得出最優(yōu)的目標(biāo)函數(shù)值。

4 案例分析

假設(shè)無(wú)人機(jī)的作戰(zhàn)目標(biāo)是M1、M2和M3，發(fā)射回收陣地在X市，途經(jīng)威脅點(diǎn)有M地、J地和W地，目標(biāo)附近威脅點(diǎn)有T地、H地和Z地。利用MATLAB仿真運(yùn)算，得出最優(yōu)航路如圖2所示，圖中坐標(biāo)系為虛擬平面直角坐標(biāo)系，單位為km，每小格為20 km×20 km。

圖2 蟻群算法改進(jìn)前后對(duì)比

圖2中單線是改進(jìn)前航路，雙線是改進(jìn)后航路。由圖2可見(jiàn)，改進(jìn)前蟻群算法規(guī)劃的航路雖然路程少但經(jīng)過(guò)的威脅點(diǎn)多;而改進(jìn)后的航路，盡量避開(kāi)了威脅點(diǎn)，雖然路程遠(yuǎn)，但在無(wú)人機(jī)航程內(nèi)，這損失與取得的戰(zhàn)果相比是值得的。而且在仿真過(guò)程中由于采用探路人工蟻，改進(jìn)后的算法在選擇最優(yōu)航路過(guò)程中需要的時(shí)間遠(yuǎn)遠(yuǎn)小于改進(jìn)前時(shí)間。

5 結(jié)束語(yǔ)

上述提出了一種改進(jìn)的蟻群算法實(shí)現(xiàn)無(wú)人機(jī)航路規(guī)劃。改進(jìn)的蟻群算法克服了傳統(tǒng)蟻群算法的缺陷，充分考慮了無(wú)人機(jī)飛行中的威脅，更加符合無(wú)人機(jī)航路規(guī)劃中的實(shí)戰(zhàn)要求。仿真中由于人工探路工蟻的采用，大大縮短了仿真時(shí)間，優(yōu)化效率更高。

［1］ 霍得森.中程無(wú)人機(jī)在島嶼進(jìn)攻戰(zhàn)役中的航路規(guī)劃研究［D］.合肥:解放軍炮兵學(xué)院，2006:18-22

［2］ 沈延安.美軍無(wú)人機(jī)作戰(zhàn)運(yùn)用問(wèn)題研究［D］.宣化:炮兵指揮學(xué)院，2006:8-9.

［3］ 崔麥會(huì).無(wú)人機(jī)航跡優(yōu)化研究［D］.合肥:解放軍炮兵學(xué)院，2001:15-16.

［4］ 柳長(zhǎng)安.無(wú)人機(jī)協(xié)同偵察航路規(guī)劃［J］.火力指揮與控制，2004，27(1):27-29.

［5］ 樊曉軍，羅 熊.復(fù)雜環(huán)境下基于蟻群優(yōu)化算法的機(jī)器人路徑規(guī)劃［J］.控制與決策，2004，35(2):35-37.

［6］ 葉 文，廉華耕，漆云海，等.無(wú)人機(jī)航路規(guī)劃算法研究［J］.電光與控制，2011，18(2):8-11.

［7］ 任 博，馬 吉，于洪洋.威脅環(huán)境下無(wú)人機(jī)偵察航路規(guī)劃方法及仿真研究［J］.吉林工程技術(shù)師范學(xué)院學(xué)報(bào)，2011，27(10):75-77.

［8］ EMILIO F.Real-time Motion Planning for Agile Autonomous Vehicles.［J］.Journal of Guidance，Control and Dynamics，2002，25(1):9-16.

［9］ Unmanned Aerial Vehicles(UAVs)［R］.Washington DC:Headquarters Department of the Army，2005:34-40.

［10］ Unmanned Aircraft Systems Roadmap 2000 ～2025［R］.Washington DC:Office of the Secretary of Defense，2000:4-8.

［11］ Unmanned Aircraft Systems Roadmap 2005 ～2030［R］.Washington DC:Office of the Secretary of Defense，2005:2-5.

［12］李士勇.蟻群算法及其應(yīng)用［M］.哈爾濱:哈爾濱工業(yè)大學(xué)出版社，2004:8-87.

［13］高 攀.飛行器低空突防中的航線優(yōu)化技術(shù)研究［J］.宇航學(xué)報(bào)，2003，13(2):18-20.

［14］王 碩，康樂(lè)興.美軍無(wú)人機(jī)戰(zhàn)術(shù)的創(chuàng)新［J］.外國(guó)軍事學(xué)術(shù)，2004，38(7):14-15.