CN114897215B 基于无监督学习离散鸽群优化多无人机侦察任务分配方法 (北京航空航天大学)_第1页
CN114897215B 基于无监督学习离散鸽群优化多无人机侦察任务分配方法 (北京航空航天大学)_第2页
CN114897215B 基于无监督学习离散鸽群优化多无人机侦察任务分配方法 (北京航空航天大学)_第3页
CN114897215B 基于无监督学习离散鸽群优化多无人机侦察任务分配方法 (北京航空航天大学)_第4页
CN114897215B 基于无监督学习离散鸽群优化多无人机侦察任务分配方法 (北京航空航天大学)_第5页
已阅读5页,还剩27页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于无监督学习离散鸽群优化多无人机侦本发明公开一种基于无监督学习离散鸽群侦察目标的数据样本T通过余弦相似度聚类进行输出无监督学习离散鸽群优化多无人机侦察任2判断无监督学习的迭代次数是否达到Nmax或者簇中心达到稳定,然后判断离散鸽群优2.根据权利要求1所述的一种基于无监督学习离散鸽群优化多无人机侦察任务分配方3i和λi分别为水平速度,航向角和高度变化率,s2。3.根据权利要求1所述的一种基于无监督学习离散鸽群优化多无人机侦察任务分配方44.根据权利要求1所述的一种基于无监督学习离散鸽群优化多无人机侦察任务分配方将分得的各个类簇通过类簇中心计算公式求出,然后再重新迭代分配数据样本和类簇中Sk的元素个数,ΔC表示的是第k次类簇中心点与第k-1次类簇中心点之间的差5.根据权利要求1所述的一种基于无监督学习离散鸽群优化多无人机侦察任务分配方第i只鸽子的速度为Vi=[v1,v2,...,vn],1≤i≤P表示一段使鸽子的位置Xit得到另一5gg采用全局编码交叉与变异的指南针算子更新公67的最短欧式距离,并没有考虑到无人机自身的运动学约束和无人机携带传感器的侦察范可以为无人机设计好具有最小转弯半径的侦察路径。考虑无人机携带传感器的侦察范围,[0006]鸽群优化(PigeonInspiredOptimization,PIO)算法是模拟鸽子归巢行为设计采用全局编码交叉与变异的方法将指南针算子和地标算子离散化引入多无人机侦察任务89人机的传感器侦察范围可假设为圆形范围,视场半径为R。当目标点在视场范围之内的时的余弦相似度聚集到指定的Nv个类簇中,每个对象只能存在于被指定的Nv类簇中的一个。是类簇Sk的元素个数,ΔC表示的是第k次类簇中心点与第k-1次类簇中心点之间的差值,I子和地标算子离散化引入多无人机侦察任务分配的组合优gg[0069]判断无监督学习的迭代次数是否达到Nmax或者簇中心达到稳定,然后判断离散鸽[0086]下面通过一个具体的多无人机侦察任务分配实例来验证本发明所提出的方法的[0088]给定10架无人机的初始航向角均为0°,初始横纵坐标位置在[0,0]高度分别在[0090]考虑步骤一中的无人机群六自由度模型通过Dubins曲线简化为三自由度的无人[0092]其中每个选择策略都代表着一个两目标点的距离,通过D式计算所有策略下目标C趋近于0或者迭代次数I达到10000时,分组结束,得到了具有趋于不同方向的10个分组gg[0105]因为计算中心鸽子的位置,适应度函数值所做的乘积只适用于连续的鸽群算法的方法是通过式(15)将其中超出范围的和有重复出现数据的X!置为0,得到X:。然后以[0106]此时的Xc扩充为的形式与tt)=Tt的转移矩阵以随机概率变异保留Ct中每行每[0113]判断无监督学习的迭代次数是否达到10000或者簇中心达到稳定,然后判断离散群算法实现了在路径和时间上对50个目标点侦察任务分

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论