司(72)發(fā)明人高亞坤張元哲吳廣山趙新宇康國棟有限公司16122專利代理師裴景陽一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方其余僅參與揮發(fā)；在每次迭代中更新信息素濃獲取初始化路徑圖和螞蟻群體的總數(shù)，在蟻群算法迭代過程中，記錄螞蟻在初始路徑圖中從起點到終點的完整路徑和各子路徑，根據(jù)距離和風(fēng)向因素，計算各螞蟻所走完整路徑的優(yōu)選程度，綜合評估子路徑的質(zhì)量將初始化路徑使用傳統(tǒng)蟻群算法進(jìn)行迭代，根據(jù)優(yōu)選程度分析各子路徑的信息素?fù)]發(fā)量，并將優(yōu)選程度高于優(yōu)選閾值的子路徑參與信息素釋放，調(diào)整傳統(tǒng)蟻群算法中信息素的更新策略設(shè)定最大迭代次數(shù)，基于信息素的更新策略在每次迭代中不斷更新信息素濃度，響應(yīng)于迭代次數(shù)達(dá)到最大值時，則選取最后一次迭代中優(yōu)選程度最高的路徑作為最優(yōu)路徑，并獲取最優(yōu)路徑上所有節(jié)點的坐標(biāo)轉(zhuǎn)換為GPS坐標(biāo)后上傳至無人機，完成路徑規(guī)劃任務(wù)21.一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，包括：獲取初始化路徑圖和螞蟻群體的總數(shù)，在蟻群算法迭代過程中，記錄螞蟻在初始路徑圖中從起點到終點的完整路徑和各子路徑，根據(jù)距離和風(fēng)向因素，計算各螞蟻所走完整路徑的優(yōu)選程度，綜合評估子路徑的質(zhì)量；將初始化路徑使用傳統(tǒng)蟻群算法進(jìn)行迭代，根據(jù)優(yōu)選程度分析各子路徑的信息素?fù)]發(fā)量，并將優(yōu)選程度高于優(yōu)選閾值的子路徑參與信息素釋放，調(diào)整傳統(tǒng)蟻群算法中信息素的更新策略；設(shè)定最大迭代次數(shù)，基于信息素的更新策略在每次迭代中不斷更新信息素濃度，響應(yīng)于迭代次數(shù)達(dá)到最大值時，則選取最后一次迭代中優(yōu)選程度最高的路徑作為最優(yōu)路徑，并獲取最優(yōu)路徑上所有節(jié)點的坐標(biāo)轉(zhuǎn)換為GPS坐標(biāo)后上傳至無人機，完成路徑規(guī)劃任務(wù)。2.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所確定無人機的飛行范圍，包括起始點、終點和障礙物信息，對飛行范圍進(jìn)行劃分網(wǎng)格，每個網(wǎng)格交叉點作為一個節(jié)點，其中，無人機的起點和終點均位于節(jié)點上。3.根據(jù)權(quán)利要求2所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，其根據(jù)障礙物大小和形狀進(jìn)行分類，并獲取飛行范圍的大小和初始分辨率，將整個飛行區(qū)域劃分為規(guī)則的網(wǎng)格，其中，每個網(wǎng)格的初始大小可以根據(jù)無人機的最小安全飛行距離和傳感器的精度來設(shè)定；根據(jù)不同大小和形狀的障礙物，調(diào)整網(wǎng)格的形狀以更好地適應(yīng)障礙物邊界。4.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所以蟻群算法中任一螞蟻為待分析螞蟻，獲取待分析螞蟻在初始路徑圖中的各子路徑的長度，以初始路徑圖中任一子路徑為目標(biāo)子路徑，計算目標(biāo)子路徑的長度與最大子路徑長度的比值，得到目標(biāo)子路徑的相對長度，計算目標(biāo)子路徑的行進(jìn)方向與風(fēng)向的角度差值絕對值與最大角度差值的比值，得到目標(biāo)子路徑的相對關(guān)系；計算所有目標(biāo)子路徑的相對長度與相對關(guān)系的乘積進(jìn)行累加求和，得到綜合影響因素，將綜合影響因素的倒數(shù)進(jìn)行歸一化后作為待分析螞蟻在不同迭代過程中完整路徑的優(yōu)選程度。5.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所以蟻群算法中任一螞蟻為待分析螞蟻，一個待分析螞蟻對應(yīng)一條完整路徑，其中，一次迭代過程中出現(xiàn)若干只螞蟻，將各完整路徑的優(yōu)選程度賦予包含的所有的子路徑，計算所有螞蟻經(jīng)過對應(yīng)子路徑的優(yōu)選程度的平均值，將優(yōu)選程度的平均值作為各子路徑的優(yōu)選程6.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所述使用傳統(tǒng)蟻群算法進(jìn)行迭代，包括：預(yù)設(shè)初始化路徑中所有子路徑的信息素濃度，并利用傳統(tǒng)的蟻群算法進(jìn)行第一次迭代，從第一次迭代后開始，對所有優(yōu)選程度大于預(yù)設(shè)優(yōu)選閾值的子路徑作為目標(biāo)子路徑，并3將目標(biāo)子路徑所對應(yīng)的螞蟻參與釋放信息素和信息素的揮發(fā)，反之小于等于預(yù)設(shè)優(yōu)選閾值的子路徑作為非目標(biāo)子路徑，僅參與信息素的揮發(fā)。7.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所述信息素?fù)]發(fā)量包括：以任一次迭代后的子路徑為標(biāo)記路徑，使用負(fù)指數(shù)函數(shù)對標(biāo)記路徑的優(yōu)選程度進(jìn)行指數(shù)衰減，將指數(shù)衰減后的優(yōu)選程度與預(yù)設(shè)信息揮發(fā)系數(shù)以及標(biāo)記路徑前一次迭代的子路徑的信息素?fù)]發(fā)量分別進(jìn)行相乘的總和作為標(biāo)記路徑的信息素?fù)]發(fā)量。8.根據(jù)權(quán)利要求1所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所述調(diào)整傳統(tǒng)蟻群算法中信息素的更新策略，包括：響應(yīng)于選取任一條子路徑為目標(biāo)子路徑，則以當(dāng)前次迭代后目標(biāo)子路徑的信息素?fù)]發(fā)量、信息素釋放量以及當(dāng)前次的前一次迭代目標(biāo)子路徑的信息素濃度分別進(jìn)行相加求和，得到當(dāng)前次迭代后目標(biāo)子路徑的信息濃度；響應(yīng)于選取任一條子路徑為非目標(biāo)子路徑，則以當(dāng)前次迭代后目標(biāo)子路徑的信息素?fù)]發(fā)量以及當(dāng)前次的前一次迭代目標(biāo)子路徑的信息素濃度進(jìn)行相加求和，得到當(dāng)前次迭代后目標(biāo)子路徑的信息濃度。9.根據(jù)權(quán)利要求8所述的一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，其特征在于，所將預(yù)設(shè)信息素常量與迭代后各子路徑的路徑長度之間的比值作為每次迭代后的各路徑的信息素釋放量。10.一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)系統(tǒng)，其特征在于，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-9任一項所述的無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法。4一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及路徑規(guī)劃領(lǐng)域。尤其涉及一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法及系統(tǒng)。背景技術(shù)[0002]無人機路徑規(guī)劃在現(xiàn)代無人機應(yīng)用中占據(jù)著至關(guān)重要的地位，其重要性不言而喻。精準(zhǔn)的路徑規(guī)劃能夠確保無人機在復(fù)雜多變的環(huán)境中高效、安全地完成任務(wù)，無論是用于偵察、監(jiān)測、物流配送還是農(nóng)業(yè)噴灑等諸多領(lǐng)域，它都起著決定性的作用。合理的路徑規(guī)劃可以最大可能地避開各種障礙物和危險區(qū)域，降低無人機受損的風(fēng)險，同時，還能依據(jù)任務(wù)需求優(yōu)化飛行路線，減少不必要的繞行，從而節(jié)約寶貴的飛行時間以及能源消耗，進(jìn)而提升整個無人機系統(tǒng)的運行效率和任務(wù)完成質(zhì)量。[0003]目前蟻群算法已被應(yīng)用于無人機的最優(yōu)路徑規(guī)劃之中。蟻群算法模擬自然界中螞蟻覓食的行為，通過信息素的正反饋機制來尋找最優(yōu)路徑。在實際運用過程中，一群虛擬的“螞蟻”在無人機的可飛區(qū)域內(nèi)不斷探索和嘗試不同的路徑，每只螞蟻所走的路徑都會反饋給系統(tǒng)，進(jìn)而影響信息素的更新。當(dāng)某個路徑段在某一輪迭代中被螞蟻成功選擇，并且獲得了較高的信息素反饋后，該路徑的吸引力就會進(jìn)一步增強，這意味著后續(xù)更多的螞蟻會傾向于選擇這條路徑，從而在路徑上不斷積累信息素，使得該路徑在后續(xù)的迭代過程中更有可能被保留和強化，逐步引導(dǎo)無人機朝著更為優(yōu)化的路徑飛行。[0004]然而，蟻群算法在用于無人機路徑規(guī)劃時也存在一些潛在的問題。由于算法對信息素反饋的依賴性，在某些情況下，容易導(dǎo)致算法陷入局部最優(yōu)解。當(dāng)某些路徑因為早期較高的信息素反饋而被大量螞蟻選擇時，這種正反饋機制可能會使算法過早地收斂于一條相對局部較優(yōu)的路徑，而無法進(jìn)一步探索到全局最優(yōu)解。這會導(dǎo)致無人機的路徑并非是最為理想的選擇，增加了不必要的飛行時間，同時也意味著能源的無謂消耗，如燃料消耗的增加或者電池電量的過度損耗，最終會降低無人機執(zhí)行任務(wù)的整體效率，影響其在實際應(yīng)用中的性能表現(xiàn)和續(xù)航能力等關(guān)鍵指標(biāo)。發(fā)明內(nèi)容[0005]為解決蟻群算法在無人機路徑規(guī)劃中易因正反饋機制導(dǎo)致信息素積累，陷入局部最優(yōu)解，增加飛行時間與能源消耗的問題，本發(fā)明在如下的多個方面中提供方案。[0006]在第一方面中，一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法，包括：獲取初始化路徑圖和螞蟻群體的總數(shù)，在蟻群算法迭代過程中，記錄螞蟻在初始路徑圖中從起點到終點的完整路徑和各子路徑，根據(jù)距離和風(fēng)向因素，計算各螞蟻所走完整路徑的優(yōu)選程度，綜合評估子路徑的質(zhì)量；將初始化路徑使用傳統(tǒng)蟻群算法進(jìn)行迭代，根據(jù)優(yōu)選程度分析各子路徑的信息素?fù)]發(fā)量，并將優(yōu)選程度高于優(yōu)選閾值的子路徑參與信息素釋放，調(diào)整傳統(tǒng)蟻群算法中信息素的更新策略；設(shè)定最大迭代次數(shù)，基于信息素的更新策略在每次迭代中不斷更新信息素濃度，響應(yīng)于迭代次數(shù)達(dá)到最大值時，則選取最后一次迭代中優(yōu)選程度最高的5路徑作為最優(yōu)路徑，并獲取最優(yōu)路徑上所有節(jié)點的坐標(biāo)轉(zhuǎn)換為GPS坐標(biāo)后上傳至無人機，完成路徑規(guī)劃任務(wù)。[0007]通過改進(jìn)后的蟻群算法限制僅優(yōu)選程度高的子路徑參與信息素釋放，有效避免了傳統(tǒng)算法因正反饋機制導(dǎo)致的局部最優(yōu)解問題，提高了全局搜索能力。綜合評估路徑距離和風(fēng)向因素，計算路徑優(yōu)選程度，并據(jù)此調(diào)整信息素?fù)]發(fā)量和釋放量，使算法更傾向于選擇優(yōu)質(zhì)路徑，從而降低無人機的飛行時間和能源消耗。通過動態(tài)調(diào)整網(wǎng)格劃分和實時獲取風(fēng)向數(shù)據(jù)，算法能夠適應(yīng)復(fù)雜多變的飛行環(huán)境，提高無人機路徑規(guī)劃的靈活性和實用性，確保任務(wù)的高效執(zhí)行。確定無人機的飛行范圍，包括起始點、終點和障礙物信息，對飛行范圍進(jìn)行劃分網(wǎng)[0009]通過明確起始點、終點和障礙物信息，并將飛行范圍劃分為網(wǎng)格節(jié)點，能夠構(gòu)建出精確的路徑圖，使無人機的路徑規(guī)劃更加準(zhǔn)確，減少無效路徑選擇；將飛行區(qū)域劃分為網(wǎng)格，每個網(wǎng)格交叉點作為節(jié)點，便于無人機在節(jié)點間靈活選擇路徑，提高了路徑規(guī)劃的靈活性，能夠更好地適應(yīng)復(fù)雜環(huán)境；將無人機的起點和終點均設(shè)置在節(jié)點上，確保了無人機的飛行路徑始終在規(guī)劃范圍內(nèi)，避免了因路徑不確定性導(dǎo)致的安全隱患，提高了任務(wù)執(zhí)行的安全性。根據(jù)障礙物大小和形狀進(jìn)行分類，并獲取飛行范圍的大小和初始分辨率，將整個飛行區(qū)域劃分為規(guī)則的網(wǎng)格，其中，每個網(wǎng)格的初始大小可以根據(jù)無人機的最小安全飛行距離和傳感器的精度來設(shè)定；根據(jù)不同大小和形狀的障礙物，調(diào)整網(wǎng)格的形狀以更好地適應(yīng)障礙物邊界。[0011]通過障礙物的大小和形狀分類，并調(diào)整網(wǎng)格劃分，能夠更精確地描述飛行環(huán)境，使無人機路徑規(guī)劃更貼近實際，避開復(fù)雜障礙物，提高路徑規(guī)劃的準(zhǔn)確性；通過獲取飛行范圍的大小和初始分辨率，并根據(jù)無人機的最小安全飛行距離和傳感器精度設(shè)定網(wǎng)格初始大小，可以確保算法適用于不同規(guī)模和復(fù)雜度的飛行區(qū)域，根據(jù)不同障礙物調(diào)整網(wǎng)格形狀以適應(yīng)障礙物邊界，能夠減少無效搜索區(qū)域，使螞蟻在更有效的空間內(nèi)探索路徑，從而提高路徑規(guī)劃的效率。以蟻群算法中任一螞蟻為待分析螞蟻，獲取待分析螞蟻在初始路徑圖中的各子路徑的長度，以初始路徑圖中任一子路徑為目標(biāo)子路徑，計算目標(biāo)子路徑的長度與最大子路徑長度的比值，得到目標(biāo)子路徑的相對長度，計算目標(biāo)子路徑的行進(jìn)方向與風(fēng)向的角度差值絕對值與最大角度差值的比值，得到目標(biāo)子路徑的相對關(guān)系；計算所有目標(biāo)子路徑的相對長度與相對關(guān)系的乘積進(jìn)行累加求和，得到綜合影響因素，將綜合影響因素的倒數(shù)進(jìn)行歸一化后作為待分析螞蟻在不同迭代過程中完整路徑的優(yōu)選程度。[0013]通過計算子路徑的相對長度和行進(jìn)方向與風(fēng)向的相對關(guān)系，并將它們的乘積進(jìn)行累加求和，得到的綜合影響因素能夠全面反映路徑的質(zhì)量，包括距離和風(fēng)向因素，從而更準(zhǔn)確地評估路徑的優(yōu)劣。6以蟻群算法中任一螞蟻為待分析螞蟻，一個待分析螞蟻對應(yīng)一條完整路徑，其中，一次迭代過程中出現(xiàn)若干只螞蟻，將各完整路徑的優(yōu)選程度賦予包含的所有的子路徑，計算所有螞蟻經(jīng)過對應(yīng)子路徑的優(yōu)選程度的平均值，將優(yōu)選程度的平均值作為各子路徑的優(yōu)[0015]通過將各完整路徑的優(yōu)選程度賦予所有子路徑，并計算所有螞蟻經(jīng)過對應(yīng)子路徑的優(yōu)選程度的平均值，能夠綜合多只螞蟻的信息，使子路徑的優(yōu)選程度更全面、更準(zhǔn)確；通過取平均值，減少了單一螞蟻路徑選擇的隨機性對子路徑優(yōu)選程度的影響，提高了路徑規(guī)劃的穩(wěn)定性和可靠性；根據(jù)所有螞蟻的路徑信息動態(tài)調(diào)整子路徑的優(yōu)選程度，使算法能夠更好地適應(yīng)不同的飛行環(huán)境和任務(wù)需求，提高路徑規(guī)劃的靈活性。預(yù)設(shè)初始化路徑中所有子路徑的信息素濃度，并利用傳統(tǒng)的蟻群算法進(jìn)行第一次迭代，從第一次迭代后開始，對所有優(yōu)選程度大于預(yù)設(shè)優(yōu)選閾值的子路徑作為目標(biāo)子路徑，并將目標(biāo)子路徑所對應(yīng)的螞蟻參與釋放信息素和信息素的揮發(fā)，反之小于等于預(yù)設(shè)優(yōu)選閾值的子路徑作為非目標(biāo)子路徑，僅參與信息素的揮發(fā)。[0017]通過僅允許優(yōu)選程度高于閾值的子路徑參與信息素釋放，可有效避免算法因局部信息素積累過快而陷入局部最優(yōu)解，增強了全局搜索能力。通過限制信息素釋放的參與范圍，降低了計算復(fù)雜度，提升了算法的運行效率，使路徑規(guī)劃過程更加迅速。目標(biāo)子路徑因更高優(yōu)選程度更易吸引螞蟻，而非目標(biāo)子路徑僅參與揮發(fā)，這使信息素分布更合理，引導(dǎo)螞蟻選擇更優(yōu)路徑。以任一次迭代后的子路徑為標(biāo)記路徑，使用負(fù)指數(shù)函數(shù)對標(biāo)記路徑的優(yōu)選程度進(jìn)行指數(shù)衰減，將指數(shù)衰減后的優(yōu)選程度與預(yù)設(shè)信息揮發(fā)系數(shù)以及標(biāo)記路徑前一次迭代的子路徑的信息素?fù)]發(fā)量分別進(jìn)行相乘的總和作為標(biāo)記路徑的信息素?fù)]發(fā)量。響應(yīng)于選取任一條子路徑為目標(biāo)子路徑，則以當(dāng)前次迭代后目標(biāo)子路徑的信息素?fù)]發(fā)量、信息素釋放量以及當(dāng)前次的前一次迭代目標(biāo)子路徑的信息素濃度分別進(jìn)行相加求和，得到當(dāng)前次迭代后目標(biāo)子路徑的信息濃度；響應(yīng)于選取任一條子路徑為非目標(biāo)子路徑，則以當(dāng)前次迭代后目標(biāo)子路徑的信息素?fù)]發(fā)量以及當(dāng)前次的前一次迭代目標(biāo)子路徑的信息素濃度進(jìn)行相加求和，得到當(dāng)前次迭代后目標(biāo)子路徑的信息濃度。將預(yù)設(shè)信息素常量與迭代后各子路徑的路徑長度之間的比值作為每次迭代后的各路徑的信息素釋放量。[0021]第二方面，一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)系統(tǒng)，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)上述的無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法。[0022]本發(fā)明具有以下效果：1、本發(fā)明通過改進(jìn)信息素更新策略，僅讓優(yōu)選程度高的子路徑參與信息素釋放，7算法可有效防止陷入局部最優(yōu)解，提升全局搜索能力，確保無人機路徑規(guī)劃的高效性和準(zhǔn)確性。[0023]2、本發(fā)明通過綜合距離和風(fēng)向因素計算路徑優(yōu)選程度，并據(jù)此調(diào)整信息素?fù)]發(fā)量和釋放量，使算法更傾向于選擇高質(zhì)量路徑，從而降低無人機的飛行時間和能源消耗。附圖說明[0024]圖1是本發(fā)明實施例一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法中步驟S1-步驟S3的方法流程圖。[0025]圖2是本發(fā)明實施例一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法中螞蟻在任意一次迭代中的路徑示意圖。[0026]圖3是本發(fā)明實施例一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)系統(tǒng)的結(jié)構(gòu)框圖。具體實施方式[0027]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完[0028]參照圖1,一種無人機路徑規(guī)劃的蟻群算法的改進(jìn)方法包括步驟S1-步驟S3,具體如下：S1:獲取初始化路徑圖和螞蟻群體的總數(shù)，在蟻群算法迭代過程中，記錄螞蟻在初始路徑圖中從起點到終點的完整路徑和各子路徑，根據(jù)距離和風(fēng)向因素，計算各螞蟻所走完整路徑的優(yōu)選程度，綜合評估子路徑的質(zhì)量。[0029]確定無人機的飛行范圍，包括起始點、終點和障礙物信息，對飛行范圍進(jìn)行劃分網(wǎng)[0030]需要說明的是，網(wǎng)格大小可由實施人員進(jìn)行設(shè)置，例如：網(wǎng)格間距為10米，預(yù)設(shè)螞蟻群體的總數(shù)為m=100。初始化路徑圖是構(gòu)建路徑圖的起始步驟，確定了路徑圖的基本結(jié)構(gòu)和范圍。路徑圖是指無人機在飛行過程中可能飛行的路徑集合，包含節(jié)點以及節(jié)點所連接成的邊。節(jié)點和邊共同決定了無人機可以飛行的范圍路徑。在對無人機的路徑進(jìn)行規(guī)劃時，需要綜合考慮地理位置、障礙物、禁飛區(qū)等因素。通過獲取構(gòu)建路徑圖可以提高對無人機進(jìn)行路徑規(guī)劃的準(zhǔn)確性，減少玩無人機在飛行中的無效路徑選擇。[0031]需要說明的是，在每次迭代中，記錄每只螞蟻從起點到達(dá)終點的路徑以及子路徑。螞蟻從起點到終點的過程中，每相鄰兩個節(jié)點之間的路徑即為該螞蟻在該次迭代中的子路[0032]參照圖2,圖中為任意一只螞蟻在任意一次迭代中的路徑示意圖。點a為起點，點e為終點，從點a到達(dá)點e之間的所有虛線段(線段ab-線段bc-線段cd-線段de)即為該只螞蟻在該次迭代中的路徑，其中線段ab、線段bc、線段cd、線段de即為該螞蟻在該次迭代中的子路徑。根據(jù)障礙物大小和形狀進(jìn)行分類，并獲取飛行范圍的大小和初始分辨率，將整個飛行區(qū)域劃分為規(guī)則的網(wǎng)格，其中，每個網(wǎng)格的初始大小可以根據(jù)無人機的最小安全飛行距離和傳感器的精度來設(shè)定；8因素，將綜合影響因素的倒數(shù)進(jìn)行歸一化后通過計算子路徑的行進(jìn)方向和當(dāng)前風(fēng)向的角度差并進(jìn)行式中，Yi,j表示第識螞蟻在第j次迭代過程中完整路徑的優(yōu)選程度，ni,j表示第識螞蟻在第j次迭代過程中的子路徑總數(shù)，a表示子路徑序數(shù)，Da表示第只螞蟻在第j次迭代過程中第a條子路徑的長度，Dj,max表示所有螞蟻在第j次迭代過程中所有子路徑的長度9無人機該子路徑航行時與風(fēng)向的差異，若與風(fēng)向差異越小，[0043]S2:將初始化路徑使用傳統(tǒng)蟻群算法進(jìn)行迭代，根據(jù)優(yōu)選程度分析