基于改进鲸鱼优化算法的多无人机围捕

凌文通，倪建军，陈 颜，唐广翼

(河海大学物联网工程学院，江苏 常州 213022)

0 引 言

随着计算机、传感器、控制等各方面技术的发展，无人机技术在各个方面的应用也越来越广泛。因为无人机的速度、机动性的优势[1]，无人机所发挥的作用也会越来越大。相比较于单无人机，多无人机执行任务能力更强，效率更高[2-3]。而多无人机对目标进行围捕是其中重要且典型的任务之一。

为了解决这个任务，已经有许多学者做了广泛的研究。文献[4]提出了一种多层环状攻击围捕模型，并依据能量均衡原则，对系统能量进行消耗平衡。文献[5]提出了一种基于博弈论及Q学习的多Agent协作追捕算法。文献[6]通过优化机器人的速度和方向以达到快速围捕任务。Dutta[7]介绍了Kamimura和Ohira以及Angelani的多目标离散化围捕模型,但初始化时随机分布、无障碍物、无对抗、路径特殊，不需要形成一定的队形。文献[8]针对有障碍的复杂环境下围捕问题，改进了粒子群算法，使得围捕者能够在规避障碍物的情况下实现对目标的围捕。文献[9]通过改进传统的人工势场方法，解决了“目标不可到达”和“死锁”问题从而完成任务。文献[10]把动物学行为引入无人机群，使用基于势点的策略完成任务。

在实时围捕任务中，仍有一些问题需要解决，如人工势场、粒子群算法搜索效率慢等。大部分的算法直接使用路径规划[11-13]方法围捕目标，而使用预测的方法能够实现拦截式围捕，具有先验性，减小航行距离，能够更快地完成围捕任务。……