基于鸽群智能行为的大规模无人机集群聚类优化算法

被引：5

作者：

霍梦真

魏晨

于月平

赵建霞

机构：

[1] 北京航空航天大学自动化科学与电气工程学院仿生自主飞行系统研究组

来源：

中国科学:技术科学 | 2020年 / 50卷 / 04期

关键词：

无人机集群; 聚类分组; 鸽群智能行为; 鸽群优化算法;

D O I：

暂无

中图分类号：

V279 [无人驾驶飞机]; TP18 [人工智能理论];

学科分类号：

1111 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.

引用

页码：475 / 482

页数：8

共 8 条

[1]

基于群体智能的无人机集群自主控制.[M].段海滨;邱华鑫.科学出版社.2018,

[2] 仿鹰群智能的无人机集群协同对抗飞行验证 [J].

段海滨 ;

霍梦真 ;

范彦铭 .

控制理论与应用, 2018, 35 (12) :1812-1819

[3] 无人机集群对抗技术新进展 [J].

罗德林 ;

徐扬 ;

张金鹏 .

科技导报, 2017, 35 (07) :26-31

[4] 基于生物群集行为的无人机集群控制 [J].

段海滨 ;

李沛 .

科技导报, 2017, 35 (07) :17-25

[5] 基于鸽群行为机制的多无人机自主编队 [J].

邱华鑫 ;

段海滨 ;

范彦铭 .

控制理论与应用, 2015, 32 (10) :1298-1304

[6] Three-Dimensional Path Planning for Uninhabited Combat Aerial Vehicle Based on Predator-Prey Pigeon-Inspired Optimization in Dynamic Environment [J].

Zhang, Bo ;

Duan, Haibin .

IEEE-ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS, 2017, 14 (01) :97-107

[7] Pigeon-inspired optimization: a news warm intelligence optimizer for air robot path planning [J].

Duan, Haibin ;

Qiao, Peixin .

INTERNATIONAL JOURNAL OF INTELLIGENT COMPUTING AND CYBERNETICS, 2014, 7 (01) :24-37

[8]

Positional entropy during pigeon homing II: navigational interpretation of Bayesian latent state models.[J].Tim Guilford;Stephen Roberts;Dora Biro;Iead Rezek.Journal of Theoretical Biology.2003, 1

← 1 →