基于遗传算法的协同航迹规划算法研究

文中针对无人飞行器的协同航迹规划,提出了一种基于遗传算法的协同航迹规划算法。该算法采用双层进化机制,不同的飞行器生成各自的可行航迹种群用于下层进化;对不同飞行器的可行航迹进行组合形成协同航迹组种群用于上层进化。实验表明,该算法能够在较短的时间内规划出较优的协同航迹组;同时,由于下层进化中利用了状态表征矩阵和新的引导信息,使得收敛速度比标准遗传算法更快。     

基于Dubins曲线的高超声速飞行器路径规划

对于高超声速飞行器而言,在进行航迹规划时需要考虑很多的约束条件,主要的约束条件是有限的转弯半径和最短的飞行路径.针对这些问题,文中设计了一种基于Dubins曲线的高超声速飞行器路径规划算法,并对算法的通用性进行了仿真分析.结果表明,本算法能够为飞行器在起始位置和终止位置之间规划出一条满足约束条件的最短飞行轨迹,并且能够避开雷达探测、激光武器威胁、电子干扰威胁等威胁区域.     

基于Hopfield人工神经网络的飞行器快速航迹规划算法

针对飞行器在复杂环境下的航迹规划，设计了一种快速Hopfield神经网络规划算法．算法使用基于距离变换的串行模拟构建数值势场，加速了数值势场的传播．在学习过程中，通过调整连接权系数改变局部势场分布．试验表明算法在单处理器上可以进行有效的快速航迹规划，该方法具有较高的效率和环境适应性．     

实时低空突防最优航迹算法

在规划出安全走廓和参考航迹的情况下，利用非线性规划法，提出了一种新的你蓉突防最优航迹算法。该算法考虑了飞行器机动能力约束，使量优航迹不需要平滑２就一一个可实现航迹，同时也考虑了地形及威胁对最优航迹的影响。另外，打破了将威胁当作一座山的传统处理方式，使最优航迹不仅能紧密跟踪地形，而且能自动有效地回避威胁。更重要的是采用分段规划，使优化速度大大提高。计算结果表明，该算法能产生平滑的三维突防航迹，并具有     

基于进化计算的多无人飞行器协同航迹规划

提出了一种在已知静态环境下利用进化计算实现多无人飞行器的分层离线协同航迹规划方法．针对多无人飞行器从不同起始点出发同时攻击某一预定目标问题，该方法可规划出由一系列导航点组成的三维航迹，并确保多无人飞行器在按一定的速度飞行时能避免相互碰撞、远离威胁障碍，满足航迹条件及协同限制．结果表明了该方法的可行性．     

基本遗传算法的航迹规划算法研究

运用遗传算法研究低空突防飞行器的透迹规划问题，建立了基于遗传算法的航迹规划的一般模型，针对垂直轨迹规划问题进行了数字仿真，并分析算法的收敛速度和精度。结果表明，遗传算法可以很快收敛到精度较高的近似解，但在接近最优解一定程度后，收敛速度放慢。如何解决这一问题，有待进一步研究。     

飞行器三维航迹规划算法

提出了一种应用改进遗传算法进行飞行器三维航迹规划的方法。航迹由B样条曲线得到，以代表航迹的B样条曲线的控制顶点坐标值作为染色体的基因位进行浮点数编码。在计算染色个体的适应值函数时充分考虑了飞行器的动力约束以及规避障碍能力。仿真结果表明了该方法的有效性。     

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A- Star算法在无人机航迹规划问题应用中的局限性，提出了一种结合飞行器简化运动学方程的改进A- Star算法，并将该算法应用于解决无人机在未知危险环境中的威胁规避问题；研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。     

基于遗传算法的军用飞行器航迹规划

为规划出飞行器在低空突防时的最优路径，本文主要采用遗传算法进行航迹规划。文中分析了遗传算法在求解路径规划问题时相对于其它算法的优点，并针对低空突防的特点和飞行器的机动能力，设计了有效的路径遗传算子，改进了简单遗传算法。其结果表明：该方法加快了遗传算法的收敛速度，避免了收敛到局部最优解，并能合理地利用规划区域内的地形与飞行器的机动能力，达到躲避敌方火力单元、有效打击目标的目的。     

多无人飞行器在线协同航迹规划技术综述

多飞行器协同作战是未来无人飞行器作战的重要趋势。在线协同航迹规划是实现协同作战的重要手段。系统地梳理了近年来多无人飞行器协同航迹规划领域的研究现状,从规划框架、协同规划模型、规划框架和优化方法等方面进行总结,归纳了现有协同航迹规划的主要手段,指出了其中存在的问题,并分析了未来协同航迹规划领域的发展趋势。     

越野环境下基于势能场模型的智能车概率图路径规划方法

复杂越野环境下的路径规划是实现智能车无人驾驶的一项关键技术。越野环境中存在多种影响车辆运动的障碍物、环境威胁和越野道路,传统路径规划方法以路径长度或时间最短为优化目标,难以在复杂越野环境中正确规划安全可行的车辆行驶路径。针对该问题,提出了基于势能场模型的概率图（AFP-PRM）算法,采用人工势能场算法对越野环境建模,评估车辆通行风险。使用概率图算法以优化节点间多维度通行代价为目标进行路径规划;考虑车辆动力学特性,用动态曲率平滑法对行车轨迹优化;应用AFP-PRM算法在模拟越野环境下进行路径规划仿真实验。仿真结果表明：AFP-PRM算法在路径规划过程中采用人工势能场算法,综合了越野环境中障碍物、环境威胁和道路条件的耦合作用;使用概率图算法,建立采样点之间的多维度通行代价评估矩阵;在复杂的越野道路条件下生成可行、安全、高效的通行路径,为智能车提供了一种多目标优化路径规划算法。     

基于改进的复合自适应遗传算法的UUV水下回收路径规划

传统遗传算法的变异操作会简单随机产生新的路径,对算法进化性能有不利影响,使算法易陷入局部最优的陷阱;遗传算法常配合栅格法进行路径规划,所得的最优路径并非无人水下航行器（UUV)回收路径规划可获得的最短路径,并存在UUV机动性能可能与最优路径冲突的问题。为此,设计一种具有UUV机动性约束条件的改进遗传算法,提出环境复杂度的概念用于分析机动性约束的具体取值,使路径规划适配于UUV的机动性,使算法结果更具实用性;提出复合自适应变异策略,控制变异的个体在迭代过程中发生自适应的进化;当一定迭代数内种群进化停滞时,引导最优个体进行双阶段自适应变异,从而使最优路径趋近全局近似最优解,有效提高算法的收敛速度。基于MATLAB软件的算法对比仿真结果表明一般复杂水域和复杂水域环境下,改进的复合自适应遗传算法生成的最优路径相比于遗传算法和自适应遗传算法的最优路径更加平滑,路径长度更低,可见改进的复合自适应遗传算法在路径规划上收敛性能和寻优能力更优,更具有可行性和优越性。     

基于改进A*算法的路径规划在海战兵棋推演中的应用

为满足海战兵棋推演中多目标路径规划的需求,解决传统A*算法无法在兵棋推演中直接运用的问题,提出一种可供类似兵棋推演环境参考、基于改进A*算法的路径规划方法.建立一种映射机制,实现了A*算法在兵棋推演环境中的初步运用.构建一种既能满足多目标需求又能保证生成最优路径的估价函数.为验证算法有效性,在实际推演平台上进行了相关实...     

基于改进GA 的多机舰面转运规划

针对复杂环境下的多舰载机舰面同时转运避碰规划问题,提出基于遗传算法的路径规划方法。分析多机 同时转运问题,设计目标函数和约束条件;建立舰载机碰撞检测计算公式、基于交通规则的等停策略和重规划策略、 非均匀有理B 样条(non-uniform ration B-spline,NURBS)平滑策略;通过遗传算法对不同数量舰载机同时转运场景 进行仿真。仿真试验结果表明：该方法在复杂环境下能有效规划出转运路径,可靠性好、适航性强,能为多机舰面 同时转运提供科学有效的决策方法。     

一种基于导航误差空间的无人水下航行器路径规划方法

无人水下航行器(UUV)的传统路径规划方法常忽略对路径安全有重要影响的导航误差约束。针对此问题,将导航误差引入环境模型中,提出一种基于导航误差空间(NES)的全局路径规划方法。NES综合自身位置、导航误差和环境信息,将随机导航误差转化为有确定代价的约束条件。提出符合实际导航特点的导航误差传递模型,并采用圆概率偏差（CEP）评估导航精度。目标代价同时考虑了路径长度和航行安全性等因素。运用改进A^*算法进行路径搜索,获得最优路径。数字海洋环境仿真实验表明,提出的规划算法简便、快速,可有效降低路径的安全风险。     

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。     

未知环境下基于PF-DQN 的无人机路径规划

为解决无人机无模型路径规划的问题,提出一种环境信息未知情况下基于势函数(PF)奖赏的DQN 路径 规划方法。建立无人机在环境中的连续状态空间,将360?等分成若干个角度作为航向角建立无人机的动作空间,设 计目标和障碍物对无人机的势函数奖赏,刻画不同动作对无人机的影响,并进行仿真实验。实验结果表明：PF-DQN 算法能较好地实现无人机在环境信息未知下的无碰撞路径规划,且势函数奖赏能加快无人机路径规划网络的训练 速度。     

限定搜索区域的分层遗传算法无人机路径规划

为克服简单遗传算法易陷入局部最优解的缺点,减小路径搜索范围,提出了限定搜索区域的分层遗传算法无人机路径规划方法,该方法将分层遗传算法引入无人机路径规划的优化搜索问题中,将路径节点的二维坐标作为基因进行编码,根据威胁的分布情况缩小路径规划算法的搜索范围,使子种群可以获得包含不同优良模式的新个体,为子种群提供更加平等的竞争生存机会,使优化搜索有较为明确的搜索方向。仿真结果表明:与基于分层遗传算法的路径规划方法相比,该方法提高了路径寻优算法的性能,减少了绕行路径的出现几率,缩短了最优路径的长度。     

一种基于遗传算法-模式搜索法的无人机路径规划

为改善遗传算法局部寻优精度较差的固有缺陷,提出一种基于遗传算法-模式搜索法的无人机路径规划算法.采用简单的一维编码表示路径,构造了路径最优化的目标函数和适应度函数.先用遗传算法全局搜索,得到全局近似最优路径,在此基础上使用局部寻优精度好的模式搜索法,得到精度更好的路径.仿真结果表明所提的遗传算法-模式搜索法改善了单一遗传算法局部寻优精度较差的缺陷,提高了路径规划的精度.     

佩戴空气呼吸器的救援小组路径规划

为使抢险救援任务小组在有毒有害环境现场尽快完成工作、保护人员安全,对救援小组中组员行动的路径规划问题进行研究.针对佩戴空气呼吸器的救援小组多名人员行动特点,改进蚁群算法判断条件,增加模拟退火算法解的存储环节、算法循环层数与产生新解的方法,将2种改进后的算法结合,得到适合2维环境的多人佩戴空气呼吸器的路径规划算法.结果表明,该算法与单独用模拟退火算法路径规划的结果相比更优.