多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)

一、水母搜索算法 JS

水母搜索算法(artificial Jellyfish Search (JS) optimizer)是于2020年提出的一种基于新型优化算法。具有寻优能力强,收敛速度快等特点。人工水母搜索算法模拟水母的搜寻行为,涉及到它们跟随洋流,它们在水母群中的运动(主动运动和被动运动),这些运动之间切换的时间控制机制,以及它们汇聚成水母簇的过程。算法中,存在以上两种假定:水母要么跟随洋流,要么在群体内部移动,而“时间控制机制”控制着这些移动类型之间的转换。水母在海洋中移动寻找食物。
水母搜索算法参考博客
算法原理参考文献:孔维旭. 脆弱性评估视角下的有源配电网重构研究[D].西安石油大学,2021.
在这里插入图片描述
在这里插入图片描述
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第1张图片

二、多目标水母搜索算法MOJS

多目标水母搜索算法(Multi-Objective Jellyfish Search algorithm,MOJS)由Jui-Sheng Chou等人于2020年提出。
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第2张图片

2.1MOJS算法描述:

在这里插入图片描述

2.2MOJS算法流程:

在这里插入图片描述

三、无人机(UAV)三维路径规划

单个无人机三维路径规划数学模型参考如下文献:

Phung M D , Ha Q P . Safety-enhanced UAV Path Planning with Spherical Vector-based Particle Swarm Optimization[J]. arXiv e-prints, 2021.

每个无人机的目标函数由路径长度成本,安全性与可行性成本、飞行高度成本和路径平滑成本共同组成:

3.1路径长度成本

路径长度成本由相邻两个节点之间的欧氏距离和构成,其计算公式如下:
在这里插入图片描述

3.2路径安全性与可行性成本

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第3张图片

路径安全性与可行性成本通过下式计算:

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第4张图片

3.3路径飞行高度成本

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第5张图片

飞行高度成本通过如下公式计算所得:
在这里插入图片描述
在这里插入图片描述

3.4路径平滑成本

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第6张图片

投影向量通过如下公式计算:

在这里插入图片描述

转弯角度的计算公式为:
在这里插入图片描述

爬坡角度的计算公式为:

在这里插入图片描述

平滑成本的计算公式为:
在这里插入图片描述

3.5总成本

在这里插入图片描述

总成本由最优路径成本,安全性与可行性成本、飞行高度成本和路径平滑成本的线性加权所得。其中,b为加权系数。

四、实验结果

在三维无人机路径规划中,无人机的路径由起点,终点以及起始点间的点共同连接而成。因此,自变量为无人机起始点间的各点坐标,每个无人机的目标函数为总成本(公式9)。本文研究两个无人机协同路径规划,第一个目标函数为第一个无人机路径的总成本,第二个目标函数为第二个无人机路径的总成本。

4.1参数设置

(1)9个柱状障碍物的位置及半径:

R1=60;  % Radius 60
x1 = 350; y1 = 500; z1 = 100; % center


R2=70;  % Radius 70
x2 = 600; y2 = 200; z2 = 150; % center

R3=80;  % Radius 80
x3 = 500; y3 = 350; z3 = 150; % center

R4=70;  % Radius 70
x4 = 350; y4 = 200; z4 = 150; % center

R5=70;  % Radius 70 
x5 = 700; y5 = 550; z5 = 150; % center


R6=80;  % Radius 80
x6 = 650; y6 = 750; z6 = 150; % center

R7=70;  % Radius 70
x7 = 800; y7 = 400; z7 = 150; % center

R8=50;  % Radius 50
x8 = 300; y8 = 350; z8 = 100; % center

R9=50;  % Radius 50
x9 = 500; y9 = 600; z9 = 100; % center 

(2)起始点位置:

第一个无人机起始点:
start_location = [150;200;150];
end_location = [800;800;150];
第二个无人机起始点:
start_location = [400;100;150];
end_location = [900;550;150];

(3)每个无人机起始点间共12个待求点。

(4)加权系数b=[5 1 10 1]。

(5)MOJS种群大小为100,最大迭代次数为100。

4.2求解结果

其中,f1为第一个无人机的总成本,f2为第二个无人机的总成本。由此可见,MOJS一共为2辆无人机规划出12种可行性路线方案。
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第7张图片
下面列举12种方案中的三种路线:
黑色正方形是起点,黑色圆圈是终点,共有9个柱状障碍物,红线为优化得到的第一个无人机路线,粉线为优化得到的第二个无人机路线。

(1)路线一

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第8张图片
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第9张图片

(2)路线二

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第10张图片
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第11张图片

(3)路线三

多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第12张图片
多目标水母搜索算法MOJS求解多无人机协同路径规划(提供MATLAB代码)_第13张图片

五、完整代码见博主微信朋友圈

你可能感兴趣的:(多目标应用,MATLAB,IT技术,matlab,无人机,多目标算法,路径规划)