Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

一种新型启发式搜索算法研究

提出了一种用于解决复杂优化问题的新的启发式算法--蚁群算法.采用该算法进行了无人机的航路规划,为求解无人机航路规划问题提供了一种新的算法.该算法对传统蚁群算法进行了改进,更好地解决了无人机的航路规划问题,文中进行了相应的仿真,仿真结果表明了算法的有效性.     

多平台协同突防航路规划

为解决多平台协同突防航路规划问题,提出协同突防航路规划方法框架。通过控制点基于分段保形二次插值描述与生成航路,建立包含平均航路长度、航路长度标准差、累积威胁程度的优化指标,并合成为加权综合目标函数,给出包含转弯半径判断、航路交叉判断以及障碍冲突判断的约束条件,通过粒子群优化算法进行航路控制点优化求解。在不同场景下进行航路规划求解,并分析了优化参数对于方法求解的影响。结果表明,方法能够给出可行且优化的协同突防航路。同时,优化指标的选取与约束条件的建立和航路规划过程解耦,可以在本方法框架的基础上根据实际问题需求自行配置优化指标与约束条件,一定程度上拓展了方法的通用性。     

多约束条件下飞行器航路规划

飞行器航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法。该文在遗传算法中加入了航路规划的相关知识来求解问题，给出一种解决多约束规划问题的方法。首先。提出了一种航迹极坐标编码方式，将航路规划中的部分约束融人到算法模型中并加以解决；第二，采用目标函数的方式解决航路规划中的部分约束。     

水下平台三维航路多约束多指标规划的蚁群策略研究

为综合考虑各类约束因素和综合性能指标的实际需求,克服传统的单性能（航程）指标优化和地形障碍约束的局限性,从安全性、隐蔽性、快速性角度实现三维海洋环境要素的充分运用,提高三维航路规划算法的有效性和适用性,设计了水下平台三维航路多约束多指标规划的蚁群策略。引入了栅格模型对三维海洋空间环境进行描述;充分考虑了水下平台性能、地形、海洋环境以及任务约束,构建了三维航路蚁群规划策略,设计了多约束启发函数和多指标评价函数;对算法进行了仿真验证。结果表明,该算法充分考虑海洋环境要素影响,基于多约束启发函数和多指标评价函数,通过灵活设定规划系数,实现不同性能指标、不同任务约束的三维航路规划,能够较好地符合水下平台的航行需要。     

基于任务区分的无人机航路规划方法

军用无人机飞行航路必须基于作战任务规划,在任务完成和飞行安全之间体现不同侧重.文中将无人机航路规划问题区分为固定航路规划和突防航路规划,阐明了各自的规划要点,提出的基于任务完成度的固定航路规划方法和基于改进蚁群算法的突防航路规划方法,能够满足无人机不同作战任务需求.通过算法仿真和作战仿真系统的应用实践,证明了文中方法的合理性和实用性.     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。     

基于改进蚁群算法的巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

无人作战飞机侦察监视航路规划研究

侦察监视航路规划是无人作战飞机（unmanned combat aerial vechicles，UCAV）任务规划系统的一项重要研究内容，其目的是找到一条从起始点出发并最终回到起始点，在某种性能指标下最优的飞行路径。本文提出了一种航路规划的遗传粒子群优化算法，设计了算法流程，给出了规划方法，解决了大范围内单／多机的侦察监视航路规划问题，仿真结果证明了该算法的有效性。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

单平台反舰导弹协同航迹规划算法研究

单平台反舰导弹协同攻击的核心是协同航迹规划算法。针对单平台反舰导弹协同攻击的问题,提出了基于协同进化的反舰导弹协同航迹规划算法,首先介绍了基因编码方式,然后分析了反舰导弹航迹约束条件和航迹评价函数,建立了CCRP算法模型,最后,通过算例对该算法的有效性进行了检验。该算法可有效解决单平台反舰导弹协同航迹规划问题。     

自主水下航行器多终点航路规划的距离正则化混合水平集算法研究

为进一步提升水平集算法求解自主水下航行器(AUV)时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6.4倍,是量子粒子群算法的1.6倍,且鲁棒性更佳。     

动态威胁下的反舰导弹航线规划

动态威胁下,在满足反舰导弹性能约束和绕开海上障碍物要求的基础上为了寻找得到飞行代价满意度最高的航线,基于遗传算法提出了一种航线规划算法．重点讨论了动态威胁下的航线评价问题．通过引入振动变异算子,进一步提高了算法的性能和鲁棒性．仿真算例表明该算法可以在动态威胁下稳健地搜索得到高飞行代价满意度的航线．     

无人机跟踪地面目标无碰撞航迹规划

针对无人机自动跟踪目标过程中需要规避障碍物的问题,设计一种将跟踪制导律与改进人工势场法相结 合的航迹规划算法。对人工势场法进行适应性改进,建立无人机动力学模型,阐述定距离跟踪制导律的设计方法, 并采取加权求和与运动学约束的方式将定距跟踪制导律与人工势场法二者结合。仿真实验结果表明：该策略具备有 效性和可行性。     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。     

基于虚拟障碍物法的无震荡航路规划

人工势场法作为路径规划的一种算法,凭借其解算得到的平滑航路,特别适用于不够灵活的移动机器人、智能体的路径规划。由于人工势场法自身不可避免地存在局部极小值以及算法执行不可避免的离散化,导致航路点解算可能会陷入局部极小值陷阱而进入死循环以及出现航路点震荡问题。针对局部极小值陷阱问题,提出改进型虚拟障碍物法;对虚拟障碍物位置的确定,引入了威胁区的概念,并提出了一个确定标准。针对航路点震荡问题,提出过滤震荡点法。仿真实验证明：改进型虚拟障碍物法能够有效地使陷入局部极小值陷阱的航路点解算,成功逃出陷阱;过滤震荡点法能够有效地消除震荡航路点,得到相对平滑的航路。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

基于稀疏A*算法的微小型固定翼无人机航迹规划

为在微小型固定翼无人机嵌入式平台上应用航迹规划,设计一种基于稀疏A*算法的自动航迹规划方法.根据微小型固定翼无人机的应用环境、特点和运动约束,建立航迹规划的环境模型和运动模型,利用单元分解法实现飞行区域环境建模和无人机运动建模,使用稀疏A*算法进行航迹规划,给出其操作使用流程,并对2种不同的启发函数进行仿真分析.结果表明:该方法能提高航迹规划的安全阈度,优化算法.     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。