基于不同智能优化算法的无人机集群路径规划研究及展望

前 言

随着人工智能技术的迅猛发展， 无人机（unmanned aerial vehicle， UAV）逐步朝着小型化、智能化方向发展， 因其成本低、灵活性高、隐蔽性强， 被广泛应用于战场侦察、联合攻击、应急救援等行动， 已成为未来智能化、无人化作战的重要手段之一。 鉴于单架无人机在续航能力、广域侦察搜索等方面的局限性， 多架无人机协同组成无人机集群（unmanned aerial vehicle swarm）执行任务成为当前无人机作战应用的重要模式。 较之于单架无人机， 无人机集群具有明显的规模优势、协同优势等， 可有效提高任务完成的可靠性。 然而， 实现无人机集群高效协同的首要问题， 即是如何科学合理地为无人机集群进行路径规划。如图1所示， 当前关于单架无人机路径规划的研究较多， 然而面向无人机集群的路径规划研究则相对较少。 不同于单无人机路径规划， 无人机集群的路径规划除了考虑单机的可控飞行， 各种威胁之外， 还需考虑集群规模、功能结构、协同方式等带来的挑战， 其本质上是一个复杂的大规模约束多目标优化问题。 智能优化算法因其对优化问题的性质要求低、鲁棒性高，而被广泛应用于求解路径规划问题。鉴于此， 本文综述了近些年面向无人机集群路径规划的智能优化算法研究， 首先介绍了无人机集群路径规划的基本模型， 包括规划空间表示、优化目标函数及约束条件等， 其次阐述了基于不同智能优化算法的无人机集群路径规划研究现状、详细对比分析了不同类型算法的优势与不足， 最后对无人机集群路径规划研究进行了展望。

无人机集群路径规划模型

路径规划是智能体自主完成任务的重要组成部分，要求在规划空间中快速找到由多个线段或多个路径点依次连接而成的最优路径。 路径表示常用两种方式：一是由航速和航向构成的时间序列（基于动力学）; 二是由空间位置坐标构成的时间序列（基于几何学）。 无人机集群路径规划需要在一般路径规划模型的基础上， 进一步综合考虑无人机集群的环境约束、自身约束和集群内约束。

无人机集群路径规划模型

常用的路径规划算法可大致分为精确方法、启发式算法和智能优化算法3类。 相对于智能优化算法， 我们称精确方法和启发式算法为传统方法， 如混合整数线性规划法、穷举法、动态规划、Voronoi图法、人工势场法、A算法等。 传统方法在解决路径规划问题时存在很多局限， 如精确法只适用于小规模路径规划问题， 当目标函数和约束条件较为复杂时， 精确方法很难给出有效解。 启发式算法易陷入局部最优， 同样也不适用于规模较大的问题。具体的， Voronoi图法可选择的路径有限; 人工势场法解的质量取决于势场的建立， 特别是在吸引力和排斥力相等位置较多时很难找到最优路径， 而且当目标点距离较远且附近存在威胁时， 也很难找到可行路径;A算法的效率随着搜索空间的增加而不断下降并且多应用于单无人机路径规划。

总 结

综上所述， 尽管针对无人机集群路径规划的智能优化研究已有不少， 但现有研究还存在如下问题：

首先， 现有研究多关注静态全局路径规划， 即假设在环境信息已知条件下对路径进行预先规划， 对未知、不确定性、强对抗环境下的路径规划和飞行过程中突发状况的路径动态调整规避等相关研究较少。 已有的方法也大多采用快速搜索随机树法、人工势场法或滚动窗口法进行动态避障， 如文献［88］利用集合点规划状态图对突发威胁进行实时路径规划; 文献［89］基于投影矩阵和虚拟力原理设计了两种动态避障策略并通过启发式快速搜索随机树法进行路径重规划。因此针对不确定、强对抗环境下无人集群的动态路径规划亟需更高效的算法支撑。

其次， 现有无人机集群路径规划的模型存在局限性。 现有研究将无人机集群路径规划分为两阶段： 生成路径、协同规划， 大多数研究仅构建了第1阶段生成路径的模型， 如何在模型中综合考虑集群的任务、时间协同约束、航迹的平滑， 从而提高路径规划的精确性， 值得进一步深入研究。

第三， 应用智能优化算法求解路径规划模型时， 多采用蚁群算法、粒子群算法、遗传算法或相关混合算法。 近年来， 深度学习和强化学习等人工智能方法在序贯决策优化问题（如TSP， VRP等）上显示出了较好的性能， 能够实现路径的快速规划。 文献［86–87， 90］已将强化学习用于多智能体路径规划中， 且获得了良好的效果。 因此， 如何基于深度学习和强化学习等方法进行无人机集群路径规划是未来重要的研究方向，有望实现动态、在线路径规划。

第四， 现有研究对集群间的协同表述还不够完善，有的未考虑协同， 只是简单地规划出多条路径; 有的只对时间和空间上的协同进行了约束， 总体而言， 对深层次协同的研究较少。 未来智能体集群更像一个生命系统， 具备整体性、层次性和相关性， 智能体通过完成各自的任务， 在宏观上， 则可以完成高级复杂的任务。 因此， 如何规划好集群整体和局部的关系、局部间的关系， 如何提高协同性， 最大化集群效益有待进一步研究。

无人机集群协同完成各种遂行作战任务是未来智能化、无人化联合作战的重要应用之一， 路径规划作为无人机集群执行各类任务的基础技术， 在无人机集群应用中发挥着重要的作用。 本文综述了无人机集群路径规划的模型及方法， 重点分析了基于不同类型智能优化算法的无人机集群路径规划研究， 阐述了不同类型智能算法的优势及不足， 展望了无人机集群路径规划的未来研究方向， 可为开展相关研究的学者提供良好的参考和借鉴

责任编辑：gt