本发明涉及一种基于改进蚁群算法的陆空两栖无人机路径规划方法，属于无人机路径规划。
背景技术：
1、随着物流和配送行业的迅速发展，无人机在民用领域的应用越来越广泛。陆空两栖无人机在复杂的城市环境中，特别是在城市居民小区内的应用具有很大潜力。然而，传统的陆地或空中机器人在这些复杂环境中经常面临导航困难、路径规划不连续等问题。例如，在狭窄空间内导航、穿越建筑物以及在人群中安全移动等方面，这些机器人存在较大挑战。
2、传统的蚁群算法在路径规划中的应用由于其局限性，在处理复杂三维环境时表现出不足。蚁群算法在每次搜索过程中仅能探索当前节点周围的部分节点，缺乏全局视野，容易导致生成的路径存在抖动或不连续的情况。此外，传统蚁群算法的信息素更新机制通常采用固定衰减因子，这可能导致算法过早收敛或陷入局部最优解，限制了其探索能力。
技术实现思路
1、本发明所要解决的技术问题是：提供一种基于改进蚁群算法的陆空两栖无人机路径规划方法，通过引入时间衰减因子、镜像引力场和路径平滑因子，该方法提高了两栖无人机的路径探索能力，加快了算法的收敛速度并且有效减少了能量消耗，有助于将两栖无人机的应用场景拓展至更为复杂的环境中。
2、本发明为解决上述技术问题采用以下技术方案：
3、一种基于改进蚁群算法的陆空两栖无人机路径规划方法，包括如下步骤：
4、步骤1，提取待路径规划区域的三维地图环境信息，构建三维栅格化地图，扩展无人机的动作空间，确定路径规划的起点和终点；
5、步骤2，初始化改进蚁群算法的参数，包括种群大小、最大迭代次数以及每个节点的全局信息素浓度，并从起点开始寻找路径；
6、步骤3，判断是否达到最大迭代次数，若达到最大迭代次数，则输出最终路径；否则继续当前迭代并进入步骤4；
7、步骤4，判断是否所有种群的蚂蚁都寻路完成，若完成则更新全局信息素浓度用于下一次迭代，并返回步骤3；否则继续当前迭代并进入步骤5；
8、步骤5，在启发式函数中引入镜像引力势场，计算启发式函数，同时加入平滑度检测因子，进一步计算节点转移概率，选择转移概率最大的节点作为当前节点的下一个节点；
9、步骤6，判断步骤5找到的下一个节点是否为终点，若是，则返回步骤4；否则将步骤5找到的下一个节点作为当前节点并返回步骤5继续选择。
10、作为本发明的一种优选方案，所述步骤1中，规定无人机能够在三维空间内进行上下、左右、前后以及斜向移动，斜向移动即无人机移动方向与其所在平面的坐标轴之间的夹角为45度，将无人机的单位移动方向扩展为26个，使无人机在三维空间内进行路径探索。
11、作为本发明的一种优选方案，所述步骤2中，初始化每个节点的全局信息素浓度的计算公式为：
12、
13、其中，q为信息素常量，τxyz表示各节点的初始信息素浓度，dxyz表示各节点到终点的距离。
14、作为本发明的一种优选方案，所述步骤4中，引入时间衰减因子，进行全局信息素浓度更新，具体公式如下：
15、τxyz(t+1)＝(1-ρt)τxyz(t)+ρδτ
16、其中，τxyz(t+1)、τxyz(t)分别表示第t+1、t次迭代的全局信息素浓度，ρt表示时间衰减因子，δ(表示信息素的增量，且
17、ρt＝ρ0+εt
18、
19、其中，ρ0表示初始时间衰减因子，ε为时间衰减系数，k为自定义参数，bestfitness表示当前蚂蚁群体中最好路径的适应度。
20、作为本发明的一种优选方案，所述步骤5中，启发式函数的计算公式为：
21、
22、其中，ηxyz表示启发式信息值，k1、k2均为引力常数，λ(t)表示衰减因子，xnow、ynow、znow分别表示当前节点的相邻26个节点中任意一个节点在三维空间x、y、z坐标的值，xend、yend、zend分别表示终点在三维空间x、y、z坐标的值，g(x，y，z)表示镜像引力势场，且
23、g(x，y，z)＝g0z||δx|-1|||δy|-1|
24、其中，g0为引力常数，z为当前节点的高度，δx表示当前节点和下一个探索节点的x坐标之差，δy表示当前节点和下一个探索节点的y坐标之差；
25、平滑度检测因子的计算公式为：
26、
27、其中，h表示平滑度检测因子，k0为自定义参数，r∈{x，y，z}，pointnext[r]、pointnow[r]和pointprevious[r]分别表示下一个探索节点、当前节点和上一个节点在r坐标下的值；
28、节点转移概率的计算公式为：
29、
30、其中，α和β分别为信息素启发式因子和期望启发式因子，pij(t)表示蚂蚁从当前节点i转移到节点j的概率，allowedk表示蚂蚁能够到达的节点集合，τij(t)表示节点i和j之间连接的路径在第t次迭代的全局信息素浓度，ηij(t)表示启发式函数，即蚂蚁从节点i转移到节点j的期望水平。
31、一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于改进蚁群算法的陆空两栖无人机路径规划方法的步骤。
32、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于改进蚁群算法的陆空两栖无人机路径规划方法的步骤。
33、本发明采用以上技术方案与现有技术相比，具有以下技术效果：
34、1、本发明通过在传统蚁群算法的全局信息素更新法则中引入衰减的时间因子，使信息素浓度随时间增加而加速衰减，引导无人机向目标点进行最优路径的寻找，从而在前期增加算法的探索能力，后期加快收敛速度。
35、2、本发明在启发式函数中加入了镜像引力势场，使得两栖无人机在三维空间内飞行时会受到垂直向下的引力吸引，从而减少空中飞行部分增加地面移动部分，达到节约能耗的目的。
36、3、本发明在路径生成过程中增加平滑度检测因子，减少路径中一些不必要的抖动，减少最终生成的路径长度，获得更优化的路径。
37、4、本发明改进后的陆空两栖无人机路径规划方法在路径平滑性、能量消耗和路径长度等方面表现出优越的性能，能够有效减少平均飞行高度，最小化能量消耗，适用于高能效要求的应用场景，如城市中的货物配送、探测侦察等。
1.一种基于改进蚁群算法的陆空两栖无人机路径规划方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于改进蚁群算法的陆空两栖无人机路径规划方法，其特征在于，所述步骤1中，规定无人机能够在三维空间内进行上下、左右、前后以及斜向移动，斜向移动即无人机移动方向与其所在平面的坐标轴之间的夹角为45度，将无人机的单位移动方向扩展为26个，使无人机在三维空间内进行路径探索。
3.根据权利要求1所述的基于改进蚁群算法的陆空两栖无人机路径规划方法，其特征在于，所述步骤2中，初始化每个节点的全局信息素浓度的计算公式为：
4.根据权利要求1所述的基于改进蚁群算法的陆空两栖无人机路径规划方法，其特征在于，所述步骤4中，引入时间衰减因子，进行全局信息素浓度更新，具体公式如下：
5.根据权利要求1所述的基于改进蚁群算法的陆空两栖无人机路径规划方法，其特征在于，所述步骤5中，启发式函数的计算公式为：
6.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于改进蚁群算法的陆空两栖无人机路径规划方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于改进蚁群算法的陆空两栖无人机路径规划方法的步骤。
