《基于无人机集群的目标搜索方法、装置、设备及存储介质.pdf》由会员分享，可在线阅读，更多相关《基于无人机集群的目标搜索方法、装置、设备及存储介质.pdf（39页珍藏版）》请在专利查询网上搜索。
1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010855557.9 (22)申请日 2020.08.21 (71)申请人 上海特金无线技术有限公司 地址 201114 上海市闵行区新骏环路245号 第6层E612室 (72)发明人 姜化京刘鑫 (74)专利代理机构 上海慧晗知识产权代理事务 所(普通合伙) 31343 代理人 李茂林 (51)Int.Cl. G06K 9/00(2006.01) G06N 3/00(2006.01) (54)发明名称 基于无人机集群的目标搜索方法、 装置、 设 备及存储介质 (57)摘。
2、要 本发明提供了基于无人机集群的目标搜索 方法、 装置、 设备及存储介质， 搜索方法包括： 在 第K次迭代时， 获取搜索信息； 确定个体搜索评价 值； 确定当前无人机在K次迭代过程中的个体最 佳位置； 获取无人机集群在K次迭代过程中的群 体最佳位置； 若当前无人机为第一类搜索无人 机， 则根据当前无人机在第K次迭代时的速度、 位 置、 个体最佳位置， 确定当前无人机在下一次迭 代时的速度与位置； 若当前无人机为第二类搜索 无人机， 则根据当前无人机在第K次迭代时的速 度位置、 个体最佳位置以及无人机集群在K次迭 代过程中的群体最佳位置， 确定当前无人机在下 一次迭代时的速度与位置； 确定无人机。
3、集群终止 迭代时的群体最佳位置为任务目标的位置。 权利要求书5页 说明书19页 附图14页 CN 112001309 A 2020.11.27 CN 112001309 A 1.一种基于无人机集群的目标搜索方法， 应用于所述无人机集群的N架无人机中的任 一当前无人机搜索待搜索区域内的任务目标， 所述待搜索区域分布有所述任务目标与伪目 标， 其特征在于， 所述N架无人机包括： M个第一类搜索无人机以及除所述第一类搜索无人机 之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述方法包括： 多次迭代更新所述无人机集群的群体最佳位置； 确定所述无人机集群终止迭代时的群体最佳位置为所述任务目标。
4、的位置； 其中， 多次迭代更新所述无人机集群的群体最佳位置， 包括： 在第K次迭代时， 获取搜索信息， 所述搜索信息包括任务目标的搜索信息和/或伪目标 的搜索信息； 根据所述搜索信息， 确定所述当前无人机在第K次迭代时的个体搜索评价值， 所述个体 搜索评价值表征所述当前无人机与所述任务目标或所述伪目标的接近程度； 根据所述当前无人机在K次迭代过程中的K个个体搜索评价值， 确定所述当前无人机在 K次迭代过程中的个体最佳位置， 所述个体最佳位置为所述当前无人机在K次迭代过程中最 靠近所述任务目标或所述伪目标的位置； 向所述N架无人机中的其他无人机发送所述个体最佳位置以及与所述个体最佳位置对 应的个。
5、体搜索评价值； 获取所述无人机集群在K次迭代过程中的群体最佳位置； 所述群体最佳位置是根据所 述N架无人机在K次迭代过程中的个体最佳位置确定的； 若所述当前无人机为所述第一类搜索无人机， 则根据所述当前无人机在第K次迭代时 的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置， 确定所述当前无人机在 下一次迭代时的速度与在下一次迭代时的位置； 若所述当前无人机为所述第二类搜索无人机， 则根据所述当前无人机在第K次迭代时 的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置以及所述无人机集群在K 次迭代过程中的群体最佳位置， 确定所述当前无人机在下一次迭代时的速度与在下一。
6、次迭 代时的位置。 2.根据权利要求1所述的基于无人机集群的目标搜索方法， 其特征在于， 根据所述当前 无人机在K次迭代过程中的K个个体搜索评价值， 确定所述当前无人机在K次迭代过程中的 个体最佳位置， 包括： 确定所述当前无人机在K次迭代过程中的个体最佳评价值， 所述个体最佳评价值的所 述当前无人机的位置为所述K个个体搜索评价值的K个所述当前无人机的位置中最靠近所 述任务目标或所述伪目标的； 确定与当前无人机在K次迭代过程中的所述个体最佳评价值的位置为所述当前无人机 在K次迭代过程中的个体最佳位置。 3.根据权利要求2所述的基于无人机集群的目标搜索方法， 其特征在于， 获取所述无人 机集群在。
7、K次迭代过程中的群体最佳位置， 包括： 获取所述N架无人机中除所述当前无人机之外的N-1架无人机在K次迭代过程中的N-1 个个体最佳评价值以及与所述N-1个个体最佳评价值的无人机位置； 确定所述无人机集群在K次迭代过程中的群体最佳评价值， 所述群体最佳评价值对应 的无人机的位置为N个个体最佳评价值对应的N个无人机位置中最靠近所述任务目标或所 权利要求书 1/5 页 2 CN 112001309 A 2 述伪目标的； 所述N个个体最佳评价值包括： 所述N-1个个体最佳评价值与所述当前无人机 的个体最佳评价值； 确定与所述无人机集群在K次迭代过程中的所述群体最佳评价值对应的无人机位置为 所述无人机。
8、集群在K次迭代过程中的群体最佳位置。 4.根据权利要求1-3任一项所述的基于无人机集群的目标搜索方法， 其特征在于， 若所 述当前无人机为所述第一类搜索无人机， 则所述当前无人机在下一次迭代时的速度与在下 一次迭代时的位置， 是根据如下公式确定的： 其中， vn(K)表示所述当前无人机在第K次迭代时的速度； vn(K+1)表示所述当前无人机在下一次迭代时的速度； weight表示预设的惯性权重； self表示预设的自学习因子； rand1表示随机生成的参数； xmax表示所述当前无人机在K次迭代过程中的个体最佳位置； xn(K)表示所述当前无人机在第K次迭代时的位置； xn(K+1)表示所述当。
9、前无人机在下一次迭代时的位置； a表示随机生成的速度增量。 5.根据权利要求4所述的基于无人机集群的目标搜索方法， 其特征在于， 所述速度增量是根据如下公式随机确定的： avmin+rand2(vmax-vmin)active； 其中， vmin表示预设的所述当前无人机的最小速度； vmax表示预设的所述当前无人机的最大速度； rand2表示随机生成的参数； active表示预设的自由探索因子。 6.根据权利要求1-3任一项所述的基于无人机集群的目标搜索方法， 其特征在于， 若所述当前无人机为所述第二类搜索无人机， 则所述当前无人机在下一次迭代时的速 度与在下一次迭代时的位置， 是根据如下公式。
10、确定的： 其中， vn(K)表示所述当前无人机在第K次迭代时的速度； vn(K+1)表示所述当前无人机在下一次迭代时的速度； weight表示预设的惯性权重； self表示预设的自学习因子； rand3表示随机生成的参数； 权利要求书 2/5 页 3 CN 112001309 A 3 xmax表示所述当前无人机在K次迭代过程中的个体最佳位置； xn(K)表示所述当前无人机在第K次迭代时的位置； xn(K+1)表示所述当前无人机在下一次迭代时的位置； crowd表示预设的群体学习因子； ymax表示所述无人机集群在K次迭代过程中的群体最佳位置。 7.根据权利要求1-3任一项所述的基于无人机集群的。
11、目标搜索方法， 其特征在于， 在确定所述当前无人机在下一次迭代时的速度与在下一次迭代时的位置之后， 还包 括： 根据所述当前无人机在连续L次迭代过程中每次迭代时的速度以及预设的所述当前无 人机在预设的搜索平面移动单位距离的能耗， 确定所述当前无人机在连续L次迭代过程中 在预设的搜索平面移动的总能耗； 若所述总能耗低于预设的能耗阈值， 则确定所述当前无人机为第三类搜索无人机； 重置所述当前无人机的位置、 速度以及对应的个体搜索评价值， 被重置后的所述当前 无人机作为所述第一类搜索无人机或所述第二类搜索无人机执行对所述任务目标的搜索。 8.根据权利要求1所述的基于无人机集群的目标搜索方法， 其特征。
12、在于， 在任一迭代过 程中， 所述当前无人机在搜索过程中均受预设的约束条件的约束； 所述约束条件包括： 速度约束条件、 边界约束条件、 能量约束条件以及最大迭代次数； 所述速度约束条件包括预设的所述当前无人机的最大速度与最小速度； 所述边界约束条件为所述当前无人机的位置不超出所述待搜索区域； 所述能量约束条件为所述当前无人机消耗的总能量不超过预设的最大消耗能量。 9.根据权利要求1所述的基于无人机集群的目标搜索方法， 其特征在于， 所述搜索信息 包括： 所述任务目标和/或所述伪目标发出的无线信号； 所述个体搜索评价值与接收的所述无线信号的强度相关。 10.根据权利要求1所述的基于无人机集群的目。
13、标搜索方法， 其特征在于， 所述搜索信息包括： 所述当前无人机探测的图像数据。 11.一种基于无人机集群的目标搜索装置， 应用于所述无人机集群的N架无人机中的任 一当前无人机搜索待搜索区域内的任务目标， 所述待搜索区域分布有所述任务目标与伪目 标， 其特征在于， 所述N架无人机包括： M个第一类搜索无人机以及除所述第一类搜索无人机 之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述装置包括： 第一迭代更新模块， 用于多次迭代更新所述无人机集群的群体最佳位置； 第一目标位置确定模块， 用于确定所述无人机集群终止迭代时的群体最佳位置为所述 任务目标的位置； 其中， 所述第一迭代更新模块。
14、包括： 第一信息获取子模块， 用于在第K次迭代时， 获取搜索信息， 所述搜索信息包括任务目 标的搜索信息和/或伪目标的搜索信息； 第一个体搜索评价值确定子模块， 用于根据所述搜索信息， 确定所述当前无人机在第K 次迭代时的个体搜索评价值， 所述个体搜索评价值表征所述当前无人机与所述任务目标或 所述伪目标的接近程度； 第一个体最佳位置确定子模块， 用于根据所述当前无人机在K次迭代过程中的K个个体 权利要求书 3/5 页 4 CN 112001309 A 4 搜索评价值， 确定所述当前无人机在K次迭代过程中的个体最佳位置， 所述个体最佳位置为 所述当前无人机在K次迭代过程中最靠近所述任务目标或所述。
15、伪目标的位置； 第一信息发送子模块， 用于向所述N架无人机中的其他无人机发送所述个体最佳位置 以及与所述个体最佳位置对应的个体搜索评价值； 群体最佳位置获取子模块， 用于获取所述无人机集群在K次迭代过程中的群体最佳位 置； 所述群体最佳位置是根据所述N架无人机在K次迭代过程中的个体最佳位置确定的； 第一速度位置确定子模块， 用于若所述当前无人机为所述第一类搜索无人机， 则根据 所述当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最 佳位置， 确定所述当前无人机在下一次迭代时的速度与在下一次迭代时的位置； 或者， 所述 第一速度位置确定子模块用于若所述当前无人机为。
16、所述第二类搜索无人机， 则根据所述当 前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置 以及所述无人机集群在K次迭代过程中的群体最佳位置， 确定所述当前无人机在下一次迭 代时的速度与在下一次迭代时的位置。 12.一种基于无人机集群的目标搜索方法， 应用于所述无人机集群搜索待搜索区域内 的任务目标， 所述待搜索区域分布有所述任务目标与伪目标， 其特征在于， 所述无人机集群 的N架无人机包括： M个第一类搜索无人机以及除所述第一类搜索无人机之外的N-M个第二 类搜索无人机； 其中， N2， MN； 所述方法包括： 多次迭代更新所述无人机集群的群体最佳位置； 确。
17、定所述无人机集群终止迭代时的群体最佳位置为所述任务目标的位置； 其中， 多次迭代更新所述无人机集群的群体最佳位置， 包括： 在第K次迭代时， 任一当前无人机获取对应的搜索信息， 所述搜索信息包括任务目标的 搜索信息和/或伪目标的搜索信息； 根据所述搜索信息， 确定所述当前无人机在第K次迭代时的个体搜索评价值， 所述个体 搜索评价值表征所述当前无人机与所述任务目标或所述伪目标的接近程度； 根据所述当前无人机在K次迭代过程中的K个个体搜索评价值， 确定所述当前无人机对 应的在K次迭代过程中的个体最佳位置， 所述个体最佳位置为在K次迭代过程中最靠近所述 任务目标或所述伪目标的位置； 所述当前无人机向。
18、所述N架无人机中的其他无人机发送对应的个体最佳位置以及与所 述个体最佳位置对应的个体搜索评价值； 确定所述无人机集群在K次迭代过程中的群体最佳位置； 所述群体最佳位置是根据所 述N架无人机在K次迭代过程中的个体最佳位置确定的； 所述第一类搜索无人机中任一第一当前无人机根据所述第一当前无人机在第K次迭代 时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置， 确定所述第一当前无 人机在下一次迭代时的速度与在下一次迭代时的位置； 所述第二类搜索无人机中任一第二当前无人机根据所述第二当前无人机在第K次迭代 时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置以及所述无人机。
19、集群 在K次迭代过程中的群体最佳位置， 确定所述第二当前无人机在下一次迭代时的速度与在 下一次迭代时的位置。 13.一种基于无人机集群的目标搜索装置， 应用于所述无人机集群搜索待搜索区域内 权利要求书 4/5 页 5 CN 112001309 A 5 的任务目标， 所述待搜索区域分布有所述任务目标与伪目标， 其特征在于， 所述无人机集群 的N架无人机包括： M个第一类搜索无人机以及除所述第一类搜索无人机之外的N-M个第二 类搜索无人机； 其中， N2， MN； 所述装置包括： 第二迭代更新模块， 用于多次迭代更新所述无人机集群的群体最佳位置； 第二目标位置确定模块， 用于确定所述无人机集群终止。
20、迭代时的群体最佳位置为所述 任务目标的位置； 其中， 所述第二迭代更新模块包括： 第二信息获取子模块， 用于在第K次迭代时， 任一当前无人机获取对应的搜索信息， 所 述搜索信息包括任务目标的搜索信息和/或伪目标的搜索信息； 第二个体搜索评价值确定子模块， 用于根据所述搜索信息， 确定所述当前无人机在第K 次迭代时的个体搜索评价值， 所述个体搜索评价值表征所述当前无人机与所述任务目标或 所述伪目标的接近程度； 第二个体最佳位置确定子模块， 用于根据所述当前无人机在K次迭代过程中的K个个体 搜索评价值， 确定所述当前无人机对应的在K次迭代过程中的个体最佳位置， 所述个体最佳 位置为在K次迭代过程中。
21、最靠近所述任务目标或所述伪目标的位置； 第二信息发送子模块， 用于所述当前无人机向所述N架无人机中的其他无人机发送对 应的个体最佳位置以及与所述个体最佳位置对应的个体搜索评价值； 第二群体最佳位置确定模块， 用于确定所述无人机集群在K次迭代过程中的群体最佳 位置； 所述群体最佳位置是根据所述N架无人机在K次迭代过程中的个体最佳位置确定的； 第二速度位置确定子模块， 用于所述第一类搜索无人机中任一第一当前无人机根据所 述第一当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体 最佳位置， 确定所述第一当前无人机在下一次迭代时的速度与在下一次迭代时的位置； 或 者， 所。
22、述第二速度位置确定子模块， 用于所述第二类搜索无人机中任一第二当前无人机根 据所述第二当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的 个体最佳位置以及所述无人机集群在K次迭代过程中的群体最佳位置， 确定所述第二当前 无人机在下一次迭代时的速度与在下一次迭代时的位置。 14.一种电子设备， 其特征在于， 包括处理器与存储器， 所述存储器， 用于存储代码和相关数据； 所述处理器， 用于执行所述存储器中的代码用以实现权利要求1-10任意一项所述的方 法或者用以实现权利要求12所述的方法。 15.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行。
23、时 实现权利要求1-10任意一项所述的方法或者用以实现权利要求12所述的方法。 权利要求书 5/5 页 6 CN 112001309 A 6 基于无人机集群的目标搜索方法、 装置、 设备及存储介质 技术领域 0001 本发明涉及无人机领域， 并且更具体地， 涉及一种基于无人机集群的目标搜索方 法、 装置、 设备及存储介质。 背景技术 0002 无人机技术在近十几年来， 得益于其小体积、 高移动性和低功耗的特征， 发展十分 迅速， 在民用和军事上也得到了广泛的应用。 无人机能够在地面较少干预下执行各种高级 别的任务， 在信息对抗、 重大灾害监测、 人员搜救和应急空投等领域具有广阔的应用前景。 然。
24、而， 随着任务需求的多元化和专业化， 单一的无人机已经不能满足复杂任务的需要。 因此 需要搭建无人机集群进行协同工作。 0003 粒子群算法(Partical Swarm Optimization， PSO)， 粒子群中的每一个粒子都代 表一个问题的可能解， 通过粒子个体的简单行为， 群体内的信息交互实现问题求解的智能 性， 且粒子群算法操作简单、 收敛速度快， 这些都非常符合无人机编队(集群)覆盖侦查任务 中快速群体协作、 信息交互等特征， 现有的粒子群算法在执行过程中， 每个粒子在预设的空 间中移动， 各个粒子记录曾搜索到的最优点的位置(个体最佳位置)以及所有粒子所搜索到 的最优点的位置(。
25、群体最佳位置)， 并且每个粒子根据个体最佳位置以及群体最佳位置更新 自己的速度和位置， 直至整个粒子群的搜索结果符合算法终止的条件。 0004 在无人机集群使用粒子群算法搜索任务目标时， 通常会受到伪目标的干扰。 当无 人机受到伪目标干扰时， 无人机集群在搜索过程中确定的群体最佳位置可能会与伪目标的 位置相关， 根据个体最佳位置以及群体最佳位置更新每架无人机的速度和位置均会受到该 与伪目标的位置相关的群体最佳位置的影响， 进而可能会导致无人机集群陷入与伪目标位 置相关的局部最优解， 使得无人机集群不能得到与任务目标相关的全局最优解。 发明内容 0005 本发明提供的基于无人机集群的目标搜索方法。
26、、 装置、 设备及存储介质， 已解决现 有的无人机集群使用粒子群算法在搜索目标时容易陷入与伪目标位置相关的局部最优解 的问题。 0006 根据本发明的第一方面， 提供了一种基于无人机集群的目标搜索方法， 应用于所 述无人机集群的N架无人机中的任一当前无人机搜索待搜索区域内的任务目标， 所述待搜 索区域分布有所述任务目标与伪目标， 所述N架无人机包括： M个第一类搜索无人机以及除 所述第一类搜索无人机之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述方法包括： 0007 多次迭代更新所述无人机集群的群体最佳位置； 0008 确定所述无人机集群终止迭代时的群体最佳位置为所述任务目标的位。
27、置； 0009 其中， 多次迭代更新所述无人机集群的群体最佳位置， 包括： 0010 在第K次迭代时， 获取搜索信息， 所述搜索信息包括任务目标的搜索信息和/或伪 目标的搜索信息； 说明书 1/19 页 7 CN 112001309 A 7 0011 根据所述搜索信息， 确定所述当前无人机在第K次迭代时的个体搜索评价值， 所述 个体搜索评价值表征所述当前无人机与所述任务目标或所述伪目标的接近程度； 0012 根据所述当前无人机在K次迭代过程中的K个个体搜索评价值， 确定所述当前无人 机在K次迭代过程中的个体最佳位置， 所述个体最佳位置为所述当前无人机在K次迭代过程 中最靠近所述任务目标或所述伪。
28、目标的位置； 0013 向所述N架无人机中的其他无人机发送所述个体最佳位置以及与所述个体最佳位 置对应的个体搜索评价值； 0014 获取所述无人机集群在K次迭代过程中的群体最佳位置； 所述群体最佳位置是根 据所述N架无人机在K次迭代过程中的个体最佳位置确定的； 0015 若所述当前无人机为所述第一类搜索无人机， 则根据所述当前无人机在第K次迭 代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置， 确定所述当前无人 机在下一次迭代时的速度与在下一次迭代时的位置； 0016 若所述当前无人机为所述第二类搜索无人机， 则根据所述当前无人机在第K次迭 代时的速度、 在第K次迭代时的位。
29、置、 在K次迭代过程中的个体最佳位置以及所述无人机集 群在K次迭代过程中的群体最佳位置， 确定所述当前无人机在下一次迭代时的速度与在下 一次迭代时的位置。 0017 根据本发明的第二方面， 提供了一种基于无人机集群的目标搜索装置， 应用于所 述无人机集群的N架无人机中的任一当前无人机搜索待搜索区域内的任务目标， 所述待搜 索区域分布有所述任务目标与伪目标， 所述N架无人机包括： M个第一类搜索无人机以及除 所述第一类搜索无人机之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述装置包括： 0018 第一迭代更新模块， 用于多次迭代更新所述无人机集群的群体最佳位置； 0019 第一目标。
30、位置确定模块， 用于确定所述无人机集群终止迭代时的群体最佳位置为 所述任务目标的位置； 0020 其中， 所述第一迭代更新模块包括： 0021 第一信息获取子模块， 用于在第K次迭代时， 获取搜索信息， 所述搜索信息包括任 务目标的搜索信息和/或伪目标的搜索信息； 0022 第一个体搜索评价值确定子模块， 用于根据所述搜索信息， 确定所述当前无人机 在第K次迭代时的个体搜索评价值， 所述个体搜索评价值表征所述当前无人机与所述任务 目标或所述伪目标的接近程度； 0023 第一个体最佳位置确定子模块， 用于根据所述当前无人机在K次迭代过程中的K个 个体搜索评价值， 确定所述当前无人机在K次迭代过程。
31、中的个体最佳位置， 所述个体最佳位 置为所述当前无人机在K次迭代过程中最靠近所述任务目标或所述伪目标的位置； 0024 第一信息发送子模块， 用于向所述N架无人机中的其他无人机发送所述个体最佳 位置以及与所述个体最佳位置对应的个体搜索评价值； 0025 群体最佳位置获取子模块， 用于获取所述无人机集群在K次迭代过程中的群体最 佳位置； 所述群体最佳位置是根据所述N架无人机在K次迭代过程中的个体最佳位置确定 的； 0026 第一速度位置确定子模块， 用于若所述当前无人机为所述第一类搜索无人机， 则 根据所述当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个 说明书 2。
32、/19 页 8 CN 112001309 A 8 体最佳位置， 确定所述当前无人机在下一次迭代时的速度与在下一次迭代时的位置； 或者， 第一速度确定模块用于若所述当前无人机为所述第二类搜索无人机， 则根据所述当前无人 机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置以及所 述无人机集群在K次迭代过程中的群体最佳位置， 确定所述当前无人机在下一次迭代时的 速度与在下一次迭代时的位置。 0027 根据本发明的第三方面， 提供了一种基于无人机集群的目标搜索方法， 应用于所 述无人机集群搜索待搜索区域内的任务目标， 所述待搜索区域分布有所述任务目标与伪目 标， 所述无人。
33、机集群的N架无人机包括： M个第一类搜索无人机以及除所述第一类搜索无人 机之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述方法包括： 0028 多次迭代更新所述无人机集群的群体最佳位置； 0029 确定所述无人机集群终止迭代时的群体最佳位置为所述任务目标的位置； 0030 其中， 多次迭代更新所述无人机集群的群体最佳位置， 包括： 0031 在第K次迭代时， 任一当前无人机获取对应的搜索信息， 所述搜索信息包括任务目 标的搜索信息和/或伪目标的搜索信息； 0032 根据所述搜索信息， 确定所述当前无人机在第K次迭代时的个体搜索评价值， 所述 个体搜索评价值表征所述当前无人机与所述。
34、任务目标或所述伪目标的接近程度； 0033 根据所述当前无人机在K次迭代过程中的K个个体搜索评价值， 确定所述当前无人 机对应的在K次迭代过程中的个体最佳位置， 所述个体最佳位置为在K次迭代过程中最靠近 所述任务目标或所述伪目标的位置； 0034 所述当前无人机向所述N架无人机中的其他无人机发送对应的个体最佳位置以及 与所述个体最佳位置对应的个体搜索评价值； 0035 确定所述无人机集群在K次迭代过程中的群体最佳位置； 所述群体最佳位置是根 据所述N架无人机在K次迭代过程中的个体最佳位置确定的； 0036 所述第一类搜索无人机中任一第一当前无人机根据所述第一当前无人机在第K次 迭代时的速度、 。
35、在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置， 确定所述第一当 前无人机在下一次迭代时的速度与在下一次迭代时的位置； 0037 所述第二类搜索无人机中任一第二当前无人机根据所述第二当前无人机在第K次 迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的个体最佳位置以及所述无人机 集群在K次迭代过程中的群体最佳位置， 确定所述第二当前无人机在下一次迭代时的速度 与在下一次迭代时的位置。 0038 根据本发明的第四方面， 提供了一种基于无人机集群的目标搜索装置， 应用于所 述无人机集群搜索待搜索区域内的任务目标， 所述待搜索区域分布有所述任务目标与伪目 标， 所述无人机集群的N架无。
36、人机包括： M个第一类搜索无人机以及除所述第一类搜索无人 机之外的N-M个第二类搜索无人机； 其中， N2， MN； 所述装置包括： 0039 第二迭代更新模块， 用于多次迭代更新所述无人机集群的群体最佳位置； 0040 第二目标位置确定模块， 用于确定所述无人机集群终止迭代时的群体最佳位置为 所述任务目标的位置； 0041 其中， 所述第二迭代更新模块包括： 0042 第二信息获取子模块， 用于在第K次迭代时， 任一当前无人机获取对应的搜索信 说明书 3/19 页 9 CN 112001309 A 9 息， 所述搜索信息包括任务目标的搜索信息和/或伪目标的搜索信息； 0043 第二个体搜索评。
37、价值确定子模块， 用于根据所述搜索信息， 确定所述当前无人机 在第K次迭代时的个体搜索评价值， 所述个体搜索评价值表征所述当前无人机与所述任务 目标或所述伪目标的接近程度； 0044 第二个体最佳位置确定子模块， 用于根据所述当前无人机在K次迭代过程中的K个 个体搜索评价值， 确定所述当前无人机对应的在K次迭代过程中的个体最佳位置， 所述个体 最佳位置为在K次迭代过程中最靠近所述任务目标或所述伪目标的位置； 0045 第二信息发送子模块， 用于所述当前无人机向所述N架无人机中的其他无人机发 送对应的个体最佳位置以及与所述个体最佳位置对应的个体搜索评价值； 0046 第二群体最佳位置确定模块， 。
38、用于确定所述无人机集群在K次迭代过程中的群体 最佳位置； 所述群体最佳位置是根据所述N架无人机在K次迭代过程中的个体最佳位置确定 的； 0047 第二速度位置确定子模块， 用于所述第一类搜索无人机中任一第一当前无人机根 据所述第一当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程中的 个体最佳位置， 确定所述第一当前无人机在下一次迭代时的速度与在下一次迭代时的位 置； 或者， 所述第二速度位置确定子模块用于所述第二类搜索无人机中任一第二当前无人 机根据所述第二当前无人机在第K次迭代时的速度、 在第K次迭代时的位置、 在K次迭代过程 中的个体最佳位置以及所述无人机集群在K次。
39、迭代过程中的群体最佳位置， 确定所述第二 当前无人机在下一次迭代时的速度与在下一次迭代时的位置。 0048 根据本发明的第五方面， 提供了一种电子设备， 包括处理器与存储器， 0049 所述存储器， 用于存储代码和相关数据； 0050 所述处理器， 用于执行所述存储器中的代码用以实现本发明第一方面及其可选方 案、 第三方面及其可选方案涉及的方法。 0051 根据本发明的第六方面， 提供了一种可读存储介质， 其上存储有计算机程序， 该程 序被处理器执行时实现本发明第一方面及其可选方案、 第三方面及其可选方案涉及的方 法。 0052 本发明提供的基于无人机集群的目标搜索方法， 由于将无人机集群中的。
40、N架无人 机分为第一类搜索无人机与第二类搜索无人机， 其中的第一类搜索无人机更新的速度与位 置是根据第一类搜索无人机自身在迭代时的速度、 位置、 以及迭代过程中的个体最佳位置 确定的， 第一类搜索无人机更新的速度与位置与无人机集群的群体最佳位置无关， 故而， 第 一类搜索无人机的速度与位置不会受到该群体最佳位置的影响， 可认为第一类搜索无人机 不受无人机集群全局搜索结果的影响进行独立探索。 0053 进一步的， 由于无人机集群的群体最佳位置是由第一类搜索无人机的搜索结果与 第二类搜索无人机的搜索结果共同确定的， 故而， 当第一类搜索无人机在当前迭代过程的 搜索结果优于第二类搜索无人机在当前迭代。
41、过程的搜索结果以及已确定的群体最佳位置 时， 可根据第一类搜索无人机在当前迭代过程的搜索结果确定无人机集群新的群体最佳位 置。 由于第一类搜索无人机的速度与位置不会受到群体最佳位置的影响， 并且第一类搜索 无人机搜索的结果可以影响或改变群体最佳位置， 故而， 当群体最佳位置陷入与伪目标相 关的局部最优解时， 通过第一类搜索无人机本身的自由探索可以搜索到优于该局部最优解 说明书 4/19 页 10 CN 112001309 A 10 的结果， 进而使得无人机集群获得与任务目标的位置相关的全局最优解。 附图说明 0054 为了更清楚地说明本发明实施例或现有技术中的技术方案， 下面将对实施例或现 有。
42、技术描述中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本 发明的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动性的前提下， 还可 以根据这些附图获得其他的附图。 0055 图1是本发明一实施例中任务目标与伪目标在待搜索区域的分布图； 0056 图2是本发明一实施例中的基于无人机集群的目标搜索方法的流程图一； 0057 图3是本发明一实施例中的基于无人机集群的目标搜索方法的流程图二； 0058 图4本发明一实施例中确定个体最佳位置的流程图； 0059 图5是本发明一实施例中获取群体最佳位置的流程图； 0060 图6是本发明一实施例中的基于无人机集群的目标搜。
43、索方法的流程图三； 0061 图7是本发明一实施例中模拟场景的初始场景示意图； 0062 图8是图7所示场景迭代30次的场景示意图； 0063 图9是图7所示场景迭代结束后的场景示意图； 0064 图10是一种模拟场景下使用本发明方法确定的群体最佳评价值随着迭代次数的 收敛曲线； 0065 图11是一种模拟场景下使用本发明方法与传统粒子群算法对应的目标搜索成功 率随自学习因子的变化曲线； 0066 图12是一种模拟场景下使用本发明方法与传统粒子群算法对应的群体最佳评价 值随自学习因子的变化曲线； 0067 图13是一种模拟场景下使用本发明方法与传统粒子群算法对应的目标搜索成功 率随边界宽度的变。
44、化曲线； 0068 图14是一种模拟场景下使用本发明方法与传统粒子群算法对应的目标搜索成功 率随能量阈值的变化曲线； 0069 图15是本发明一实施例中的基于无人机集群的目标搜索装置的模块示意图一； 0070 图16是本发明一实施例中的基于无人机集群的目标搜索装置的模块示意图二； 0071 图17是本发明一实施例中第一个体最佳位置确定子模块的模块示意图； 0072 图18是本发明一实施例中群体最佳位置获取子模块的模块示意图； 0073 图19是本发明一实施例中第一迭代更新模块的模块示意图； 0074 图20是本发明一实施例中的基于无人机集群的目标搜索方法的流程图四； 0075 图21是本发明一。
45、实施例中的基于无人机集群的目标搜索方法的流程图五； 0076 图22是本发明一实施例中的基于无人机集群的目标搜索装置的模块示意图三； 0077 图23是本发明一实施例中的基于无人机集群的目标搜索装置的模块示意图四； 0078 图24是本发明一实施例中电子设备的模块示意图。 0079 附图标记说明： 0080 101-任务目标； 0081 102-伪目标； 说明书 5/19 页 11 CN 112001309 A 11 0082 201-第一迭代更新模块； 0083 2011-第一信息获取子模块； 0084 2012-第一个体搜索评价值确定子模块； 0085 2013-第一个体最佳位置确定子模块。
46、； 0086 20131-个体最佳评价值确定单元； 0087 20132-个体最佳位置确定单元； 0088 2014-第一信息发送子模块； 0089 2015-群体最佳位置获取子模块； 0090 20151-个体最佳评价值获取单元； 0091 20152-群体最佳评价值确定单元； 0092 20153-群体最佳位置确定单元； 0093 2016-第一速度位置确定子模块； 0094 2017-能耗确定子模块； 0095 2018-第三类搜索无人机确定子模块； 0096 2019-重置子模块； 0097 202-第一目标位置确定模块； 0098 301-第二迭代更新模块； 0099 3011-第二。
47、信息获取子模块； 0100 3012-第二个体搜索评价值确定子模块； 0101 3013-第二个体最佳位置确定子模块； 0102 3014-第二信息发送子模块； 0103 3015-群体最佳位置确定子模块； 0104 3016-第二速度位置确定子模块； 0105 302-第二目标位置确定模块； 0106 401-处理器； 0107 402-总线； 0108 403-存储器。 具体实施方式 0109 下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、 完 整地描述， 显然， 所描述的实施例仅仅是本发明一部分实施例， 而不是全部的实施例。 基于 本发明中的实施例， 本领域普通技。
48、术人员在没有做出创造性劳动前提下所获得的所有其他 实施例， 都属于本发明保护的范围。 0110 本发明的说明书和权利要求书及上述附图中的术语 “第一” 、“第二” 、“第三”“第 四” 等(如果存在)是用于区别类似的对象， 而不必用于描述特定的顺序或先后次序。 应该理 解这样使用的数据在适当情况下可以互换， 以便这里描述的本发明的实施例能够以除了在 这里图示或描述的那些以外的顺序实施。 此外， 术语 “包括” 和 “具有” 以及他们的任何变形， 意图在于覆盖不排他的包含， 例如， 包含了一系列步骤或单元的过程、 方法、 系统、 产品或设 备不必限于清楚地列出的那些步骤或单元， 而是可包括没有清。
49、楚地列出的或对于这些过 说明书 6/19 页 12 CN 112001309 A 12 程、 方法、 产品或设备固有的其它步骤或单元。 0111 下面以具体地实施例对本发明的技术方案进行详细说明。 下面这几个具体的实施 例可以相互结合， 对于相同或相似的概念或过程可能在某些实施例不再赘述。 0112 图1是本发明一实施例中任务目标与伪目标在待搜索区域的分布图。 0113 请参考图1， 无人机集群在待搜索区域上空执行对任务目标101的搜索任务， 待搜 索区域除存在任务目标101之外， 还分布有多个伪目标102， 其中， 伪目标102的存在会干扰 无人机集群对任务目标101的搜索。 一种举例中， 。
50、伪目标102可以发出与任务目标101相同或 相似的无线信号， 当无人机集群通过探测无线信号进而确定任务目标101时， 伪目标102的 无线信号会干扰无人机集群的决策或判断； 另一种举例中， 伪目标102与任务目标101具有 相似的特征结构， 当无人机集群通过获取图像数据进而确定任务目标101时， 伪目标102同 样会干扰无人机集群的决策或判断。 0114 本发明实施例中搜索任务目标的方法是基于粒子群算法。 本发明实施例中的无人 机集群中的任一架无人机相当于粒子群算法中的一个粒子， 无人机集群中的每一架无人机 的位置都可能代表任务目标的位置。 在无人机集群侦查任务中， 面临伪目标的诱骗信息过 于。