基于改进蜘蛛蜂算法的无人机水下搜索方法、装置及介质

本发明属于节能控制、智能交通，具体涉及一种基于蜘蛛蜂算法的无人机水下搜索方法、装置及介质。

背景技术：

1、随着人工智能的兴起，越来越多的智能算法取代了传统算法，智能算法适应性强，处理复杂问题快，能力强，能够根据数据进行自主学习和调整不断改进模型性能，可以利用深度学习、神经网络等技术处理大量复杂的数据并发现数据背后的规律和趋势。人工智能算法可以实现高精度、高速度的预测、分类、识别和推荐等功能已在很多领域取得了显著的成果。此外自动化处理方便，人工智能算法可以实现自动化的数据处理和决策，降低了人力成本，提高了效益。本发明中的蜘蛛蜂算法搜索快，精度高，适合复杂地形，障碍物多的环境。

2、路径规划作为无人机中的重要组成部分之一，是实现无人机自动驾驶的关键技术，一直备受研究者的密切关注。随着自动驾驶无人机所处的环境越来越复杂，对路径规划的要求也越来越高。本发明通过蜘蛛蜂算法对自动驾驶无人机的路径进行优化，进而提高了探索效率并节约飞行成本。

3、水下环境的路径规划由于其地形的复杂度和作业环境的困难，加上水压的压力必须拥有更强的供电系统，此外在水下也不宜使用带有污染的燃料，氢能源的原料之一就是水，这使得氢能源在水下使用具有优势且无污染方便回收。

技术实现思路

1、发明目的：本发明提出一种基于改进蜘蛛蜂算法的无人机水下搜索方法、装置及介质，以最短运送距离为目标函数，使用蜘蛛蜂算法优化配送路径，可以提高搜索效率和节约飞行成本，能够满足地形复杂，障碍物繁多的水下场景。

2、技术方案：发明所述的一种基于改进蜘蛛蜂算法的无人机水下搜索方法，包括以下步骤：

3、(1)采集无人机的三维位置i、j、k以及无人机在航行遇到的障碍物的坐标，障碍物的位置即为不可达节点，改变方向的节点即为可用节点；

4、(2)以最优距离构建目标函数；

5、(3)将无人机的当前三维位置带入目标函数，并利用改进蜘蛛蜂算法得到无人机的最优的下一个三维位置；所述改进蜘蛛蜂算法引入icmic映射、cubic混沌映射及全局变异算子；

6、(4)根据最优的三维位置组成无人机最优飞行路径，基于最优路径调整无人机航行方向。

7、进一步地，所述步骤(2)实现过程如下：

8、在寻找最优路径时，无人机优先向障碍物少的附近节点出发，引入避障因子，计算公式如下：

9、

10、其中，i，j，k为无人机的三维位置；num为此节点搜索区域内所有可用节点的数量；onum为搜索区域内障碍物节点的数量；

11、为了促使无人机在航行区域内选择距离较近的节点，引入相邻节点距离公式，计算公式如下：

12、

13、其中，(xi,yj,zk)表示当前可用节点的坐标；(xi+1,yj+1,zk+1)表示当前节点寻找的下一可用节点坐标；

14、为了促使无人机在寻找路径时选择距离目标点较近的节点，引入目标点距离因子，计算公式如下：

15、

16、其中，(xlast,ylast,zlast)表示目标点坐标，(xa+1,ya+1,za+1)表示下一可用节点的坐标；以最优距离构建出目标函数：

17、minz＝ln(o(i,j,k)+d(i,j,k)+q(i,j,k))。

18、进一步地，步骤(3)所述利用改进蜘蛛蜂算法得到无人机的最优的下一个三维位置实现过程如下：

19、s1：初始化种群和参数：种群数目n、最大迭代次数tmax、无人机当前的三维位置xyz；蜘蛛蜂算法的种群矩阵如下：

20、

21、其中，x为蜘蛛蜂种群；xi为第i只蜘蛛蜂；xij为第i只蜘蛛蜂提出的第j个问题变量的值；n为蜘蛛蜂种群成员的全部数量；m是决策变量的个数；

22、s2：将无人机当前三维位置带入目标函数进行评估，每只蜘蛛蜂的位置代表一个无人机的三维位置：

23、

24、其中，为蜘蛛蜂的最新位置，即一个无人机的三维位置；为第i只蜘蛛蜂的位置；rn是符合正态分布的随机数；r1、r2、r3、r4是均匀分布于[0,1]之间的随机数；为第c只蜘蛛蜂的位置，c是种群中随机选取的指标；l是均匀分布于[-2,1]之间的随机数；h为目标函数的上限；l为目标函数的下限；

25、s3：搜索并跟踪猎物：蜘蛛蜂通过飞翔来追捕猎物，位置更新公式如下：

26、

27、其中，t为当前迭代次数；tmax为最大迭代次数；r5、r6是均匀分布于[0,1]之间的随机数；vc是正态分布于[-k,k]之间的随机数，

28、s4：捕获猎物：

29、

30、其中，x*为目前最佳的无人机最优位置；γ为蜘蛛蜂飞行中产生的一个数；u是一个二进制数，按下式分配：

31、

32、s5：判定是否满足终止条件，即到达目的地，若不满足终止条件，则返回s3；若满足约束条件，则输出得到最优的飞行路径。

33、进一步地，在s2中引入icmic映射：

34、

35、其中，a为控制参数，取值在(0，+∞)，其混沌轨道状态值范围为(-1，1)。

36、进一步地，在s2中引入cubic混沌映射：

37、

38、其中，ρ是随机数。

39、进一步地，在s3中引入全局变异算子，具体改动如下：

40、

41、其中，a是由用户定义的幅度因子，并且其可以被选择为固定数或在生成期间计算，rand数是生成器根据n[0,1]指定的真实的随机数。

42、本发明所述的一种装置设备，包括存储器和处理器，其中：

43、存储器，用于存储能够在处理器上运行的计算机程序；

44、处理器，用于在运行所述计算机程序时，执行如上所述的基于改进蜘蛛蜂算法的无人机水下搜索方法的步骤。

45、本发明所述的一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如上所述的基于改进蜘蛛蜂算法的无人机水下搜索方法的步骤。

46、有益效果：与现有技术相比，本发明的有益效果：本发明以最短运输距离为目标函数，在优化目标函数的基础上使用蜘蛛蜂算法优化搜索路径，可以提高搜索效率和节约飞行成本；本发明引入icmic映射，该映射具有遍历均匀和收敛较快等优点。其次，引入cubic混沌映射，利用混沌序列进行种群初始化、选择、交叉和变异等操作会影响算法的整个过程，而且能取得比伪随机数更好的效果。最后，引入全局变异算子，抓住大的波浪，以摆脱局部陷阱，得到正确的搜索模式。

技术特征：

1.一种基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，所述步骤(2)实现过程如下：

3.根据权利要求1所述的基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，步骤(3)所述利用改进蜘蛛蜂算法得到无人机的最优的下一个三维位置实现过程如下：

4.根据权利要求3所述的基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，在s2中引入icmic映射：

5.根据权利要求3所述的基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，在s2中引入cubic混沌映射：

6.根据权利要求3所述的基于改进蜘蛛蜂算法的无人机水下搜索方法，其特征在于，在s3中引入全局变异算子，具体改动如下：

7.一种装置设备，其特征在于，包括存储器和处理器，其中：

8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如权利要求1至6任一项所述的基于改进蜘蛛蜂算法的无人机水下搜索方法的步骤。

技术总结本发明公开了一种基于改进蜘蛛蜂算法的无人机水下搜索方法、装置及介质，所述方法采集无人机的三维位置i、j、k以及无人机在航行遇到的障碍物的坐标，障碍物的位置即为不可达节点，改变方向的节点即为可用节点；以最优距离构建目标函数；将无人机的当前三维位置带入目标函数，并利用改进蜘蛛蜂算法得到无人机的最优的下一个三维位置；所述改进蜘蛛蜂算法引入ICMIC映射、Cubic混沌映射及全局变异算子；根据最优的三维位置组成无人机最优飞行路径，基于最优路径调整无人机航行方向。本发明通过改进蜘蛛峰算法对无人机路径进行优化，进而提高了搜索效率并节约航行成本，能够满足复杂环境和成本受限的搜索需求。技术研发人员：张博俊,张新荣,房丽平,方怀松,王艳龙,张楚童受保护的技术使用者：淮阴工学院技术研发日：技术公布日：2024/6/30