一种采用组合路径方法的无人机多线程规划技术

《Parallel Computing》：A multi-threaded planning technique with combined paths approach for unmanned aerial vehicles

　　摘要在规划无人飞行器（UAV）时，考虑敌方威胁优化、燃油消耗或使用和机动限制等问题，对于所执行的任务和飞行安全具有至关重要的意义。往返算法（BaF）最近被引入作为一种解决无人飞行器路径规划问题的几何描述求解技术，其单独性能和对其他方法能力的积极贡献已经得到了验证。在本研究中，由BaF算法引导的贪心启发式被重新设计，目的是为了利用多核架构的能力，并提出了一种新的几何无人飞行器路径规划器，简称"组合路径"（ComPaths）。ComPaths的性能在3个不同的战场场景及其衍生的12个测试用例中进行了评估。此外，ComPaths找到的路径与其他15种基于启发式或元启发式的规划器的路径进行了比较。ComPaths与其他测试技术的对比研究表明，ComPaths在所有案例中都跻身最佳规划器前三，尽管它的函数调用次数比其他竞争者少了近43到49倍。引言无人飞行器（UAV）及其武器化变体——即无人作战飞行器（UCAV）的巨大潜力，已经改变了各国的关键未来前景，全球UAV或UCAV市场预计到2030年将接近103亿美元[1]。正如预期的那样，来自不同学科的研究人员专注于解决这些现代飞行器面临的难题[2]、[3]、[4]。UAV、UCAV或其他飞行系统的路径规划问题是最重要的问题之一，妥善解决该问题可以最大限度地减少燃油或电池消耗、被敌方威胁发现或感知的概率，以及转向或爬升机动方面的违规。近年来，多种基于图的技术（包括A*、D* lite和Voronoi图）、基于采样的方法（如人工势场法（APF）、概率路线图（PRM）和快速探索随机树（RRT））以及著名的启发式或元启发式算法（如Dijkstra、贪心最佳优先搜索、爬山法、遗传算法（GA）、差异进化（DE）和粒子群优化（PSO）算法）已成功用于规划UAV、UCAV或其他自主系统[5]、[6]、[7]、[8]。然而，路径规划问题的特殊需求增加了其复杂性，对新方法的需求仍然存在。由Aslan最近引入的往返算法（BaF）执行了一种贪心启发式点选择过程，其单独性能和其他元启发式方法的互操作能力已经得到了验证[9]。在本研究中：- 提出了一种多线程路径规划技术——组合路径（ComPaths），参考了BaF算法的启发式，适用于固定高度环境。- ComPaths的每个线程负责在线程特定的搜索边界内执行继承的贪心启发式。- 此外，ComPaths利用了一种巧妙设计的组合程序，在确定最终路径时带来有利的线段。ComPaths的路径规划性能在3个战场场景及其所属的12个测试用例中进行了评估，这些测试用例通过改变确定的分割点数量来生成。同时，为了分析线程数如何改变最终解决方案的质量，对ComPaths使用了13种不同的线程配置。ComPaths找到的路径与BaF和其他14种技术的路径进行了比较，包括GA、GA和PSO的混合体（称为GAPSO）、人工蜂群算法（ABC）、飞蛾-火焰优化（MFO）、路径规划器算法（PFA）、正弦余弦算法（SCA）、污点园丁鸟优化（SBO）、灰狼优化器（GWO）及其改进版本（与共生生物搜索结合的HWGWO-MSOS）、教学-学习优化（TLBO）的一种实现方式或ECTLBO、人工生态系统优化器（AEO）、基于邻域搜索增强的AEO（NSEAEO）、一种简称为CISPO的增强PSO，以及最后的海葵群算法（SSA）。从对比研究中可以得出结论，ComPaths不仅优于BaF，而且还优于几乎所有其他技术，并在每个测试用例中排名前三，尽管考虑到线程配置，它仅进行了少43到49倍的函数调用。由于多线程带来的改进搜索性能以及新引入的组合模式能够有效地从骨干路径中带来有利的线段，ComPaths更加稳健地应对了UAV或UCAV路径规划问题的挑战性方面。本文后续章节的组织如下：第2节给出文献综述。第3节详细介绍了路径规划问题的数学背景和评估发现路径的质量计算模式。第4节专门描述所提出的路径规划技术。第5节报告了实验研究的结果以及ComPaths与其他技术的比较。最后，在第6节中，对ComPaths进行了总体评估，并提出了可能的改进和未来的使用场景。章节摘要文献综述Y. Zhang等人开发了一种PSO引导的UCAV路径规划器，在其中原始适应度值通过缩放技术再次处理，以选择适当的解决方案[10]。Zhu和Duan采用了混沌理论和捕食者-猎物概念，以进一步提高基于生物地理学的优化（BBO）算法的路径规划性能[11]。Duan和Qiao在解决空中机器人路径规划问题时，比较了鸽子启发优化（PIO）和标准DE算法。路径规划问题的详细信息在分析了包含敌方威胁如何表示、感知或摧毁目标以及由燃油消耗和违反限制限制的机动产生的总成本如何确定的详细模型后，可以计算出UAV或UCAV系统的路径。一个强大的模型（也可称为几何模型）使用一个具有已知中心位置和半径的圆来表示敌方威胁的感知范围，并采用一组线段和一组点。组合路径方法的多线程规划器详细信息UAV或UCAV路径规划问题的几何模型需要强大的数学基础和严格的计算，才能获得集合L或L?的线段，并决定在考虑敌方威胁的情况下路径的哪些线段是安全的，以及哪些转向机动是可接受的或不可接受的。尽管上述关于UAV或UCAV路径规划问题几何模型的特殊需求带来了一些困难，但它们允许设计或开发新的多功能方法。实验研究ComPaths的潜力可以通过进行一系列详细的实验来观察，这些实验包括在不同战场场景中的敌方威胁、其位置、感知范围以及最终的分割点数量。在分析ComPaths的路径规划性能时，选择了3个战场场景，其关于敌方威胁、其中心位置、感知或检测范围、起点和目标点的详细信息在表2中呈现[9]、[43]。结论在考虑关于敌方武器、燃油消耗和机动限制的优化要求的情况下，为无人飞行器（UAV）或类似自主系统计算飞行路径是任务成功和安全的最关键步骤之一。在本研究中，由往返算法（BaF）引入的贪心启发式被重新设计用于多线程系统，并提出了一种新的路径规划器——组合路径（简称ComPaths）。伦理批准本文不包含任何作者进行的人类参与者或动物研究。资金支持本工作由埃尔丘耶斯大学科学研究项目协调单位以编号FDK-2026-15644的资助支持。利益冲突声明作者声明，他们没有已知的相互竞争的财务利益或个人关系可能会影响本文所报告的工作。