摘要：提出了一種基於混沌遺傳演算法的無人機航跡路徑優化方法,屬於無人機航跡規劃技術領域。混沌遺傳演算法的基本思想是利用具有精緻內在規律的混沌序列來控制遺傳操作中的交叉和變異,以取代原有的在一定概率下完全隨機的交叉和變異操作,包括確定是否進行交叉或變異操作以及確定交叉或變異操作的具體位置等兩個方面,這使得遺傳操作從短期看似隨機的,而從長期看,則存在著某種精緻的內在關係,有利於避免完全隨機操作「盲目性」。遺傳演算法存在著早熟問題、收斂速度的問題以及自身引數選取存在困難。本發明把遺傳演算法的全域性搜尋能力和混沌優化的區域性搜尋能力有機地結合起來，一定程度上避免了遺傳演算法的早熟現象、求得的解精度高、收斂頻率高,收斂速度快，同時該發明提出的方法具有較好的實時性和快速性，搜尋到的航跡更逼近實際的無人機最優航跡；可應用於機械人路徑規劃、城市車輛路徑規劃等領域。
1）無人機介紹
新一代無人飛行器（unmanned aerial vehicle，ｕａｖ）要替代有人駕駛飛機在非結構化環境中執行偵察、作戰，已具備一定的自主飛行能力，受到世界各國的廣泛關注，然而在遭遇到非預見的威脅或者任務變更時，任務、航跡規劃系統是無人機實現自主飛行和自主攻擊的關鍵。無人機路徑規劃主要解決在某一特定場景中,尋找到達目標的最佳飛行路徑,降低無人機執行任務過程中的被損毀概率,從而提高工作效能。
本文以無人機路徑規劃為研究物件，提出了基於混沌遺傳優化演算法的無人機航跡規劃方法，主要工作為：(1)研究了無人機航跡規劃基礎模型和演算法，建立了地形和威脅模型。 (2) 提出了一種混沌對映方案將初始種群均勻的分布在多維空間中。(3)混沌交叉、混沌變異的遺傳航跡規劃方法。該發明有效地克服了無人機航跡規劃中區域性最優與資訊處理量之間的矛盾，提高了全域性航跡優化的收斂速度。
2）混沌演算法介紹
1混沌及其特性
一般將由確定性方程得到的具有隨機性的運動狀態稱為混沌，混沌狀態廣泛存在於自然現象和社會現象中，是非線性系統中一種較為普遍的現象，其行為復
2混沌隨機數生成器
當前的混沌優化演算法多採用logistic 作為混沌序列的生成方法，將混沌對映引入遺傳演算法中。logistic 對映方程為
xn+1
=μxn
(1-x
n), n=0,1,…,k （1）
其中μ 為控制參量，當μ=4 時，logistic 對映在u(0,1)滿區間內非穩定運動，迭代得到的數列具有偽隨機性。當3.569945972<μ≤4時，特別是比較靠近4時，迭代生成的值是一種偽隨機分布的狀態。在遺傳演算法中，對解分布未知的問題，初始種群需要盡可能地均勻分布在多維空間中，對生成種群的均勻性要求較高。logistic 對映生成的序列分布在邊界點較多，在內部較分散。這種分布可以體現某些問題的解域的情況，但對大部分高維優化問題，尤其是全域性最優點的位置未知的情況，均勻分布更具有普遍意義。
本發明使用an 混沌對映生成的隨機數作為遺傳演算法的初始種群。利用混沌系統對初值敏感的特點，迭代生成n 個序列得到m 個混沌變數，將m 個混沌變數對映到相應優化空間中得到初始種群。
此遞推式可產生週期為無窮的序列，其經驗分布的極限分布為：
f（y）=（ln（y+1/2）+ ln2）/ ln3 （3）
根據產生隨機數中的熟知理論，得到公式（4）：xi
=（ln（y+1/2）+ ln2）/ ln3 （4）
得到的序列可看做是u（0,1）分布的隨機數列。因序列是無限不迴圈的，所以上述方法理論上可以產生週期為無限的u（0,1）分布的隨機數列。由圖1容易看出, an提出的對映所產生的序列均勻性更好。事實上, 由隨機數引數檢驗法的結果表明, an提出的對映性質更優良。
3 演算法基本思想
遺傳演算法在種群的進化過程中,採用的是完全隨機的搜尋方式,代與代之間除了通過交叉概率和變異概率等引數控制外幾乎沒什麼必然的聯絡。這種模式雖然在實際應用中被證明是有效的,但存在早熟收斂、收斂速度慢等效率低的問題。另一方面,從混沌學的角度來看,生物進化的模式是「隨機+反饋"其中的隨機是由系統內部引起的,是系統本身的特性,混沌是系統進化和獲得資訊的**。這種生物進化模式同傳統模式相比更接近於真實的生物進化模式。因此引入混沌的遺傳演算法將會有更好的結果。
混沌遺傳演算法的基本思想主要體現以下幾個方面：
（1）初始化。確定群體規模nl,進化總代數m,混沌交叉和混沌變異區間lc,lm。
（2）用隨機方法在[0, l]上產生一列初始值:x1,x
2…xl,對映到優化變數的可行域[a,b]得初始種群。
（3）評價。計算種群中個體的適值,並按適值高低進行排序,如個體中的目標值有滿足終止條件的,則結束,否則,進入下一步；
（4）選擇。淘汰種群中適值較低的10%個體,將適值較高的90%個體作為進行交叉操作的種群從；
（5）混沌交叉。在種群nz中隨機選擇兩個配對個體,按混沌交叉規律進行交叉操作,直至產生nz個新個體；
（6）混沌變異。對經過混沌交叉產生的新個體,按混沌變異規律進行變異操作；
（7）將經上述操作得到的新個體,連同原父代中適值較高10%個體一起構成新一代群體；
（8）過濾。對群體中完全相同或極為相似的個體進行過濾操作,保留其中乙個,而對與之相同或相似的其它個體進行概率為1的較大範圍內的混沌變異操作,以保證群體的多樣性，然後轉向步驟(3)。
在上述演算法中,選擇操作採用直接淘汰適應值最差的一些個體,而對大部分適應值較高的個體進行其它的遺傳操作,並在產生新個體的同時,保留了種群中適應值最高的一些個體,以保證在遺傳操作過程中,優秀個體不至於馬上被「破壞」,而導致「退化」可能性,從而使演算法具有好的一致收斂特性。步驟7的過濾操作,目的在於剔除掉群體中的相同或極為相似的個體,增**體的多樣性,避免演算法陷入區域性極小。
基於遺傳演算法的排課系統
一 介紹 隨著近幾年各個高校的合併與擴招，我國的綜合性大學和各個高校中在校的學生數量的大大增加，對於高校教務部門來說，排課工作是非常令人頭痛的事，經常會出現課程排列衝突，比如 乙個教師在同一時間上兩門課，有兩個教師同時去乙個教室上不同的課程，有些教師在特定時間不可以上課。如果沒有很好地解決這些衝突，...
基於遺傳演算法的排課系統
一 介紹 隨著近幾年各個高校的合併與擴招，我國的綜合性大學和各個高校中在校的學生數量的大大增加，對於高校教務部門來說，排課工作是非常令人頭痛的事，經常會出現課程排列衝突，比如 乙個教師在同一時間上兩門課，有兩個教師同時去乙個教室上不同的課程，有些教師在特定時間不可以上課。如果沒有很好地解決這些衝突，...
3 1 基於遺傳演算法的單機排程
遺傳演算法 genetic algorithm 是最早的啟發式進化演算法，與生物進化的遺傳過程相似。遺傳演算法依靠種群的搜尋能力，進化過程中，優良的個體將會得到保留，適應度較小的個體將會被淘汰，最後，種群將會逐步收斂到最佳個體。單機排程是最為常見的一類排程問題，flow shop排程問題可以簡化為單...