复杂区域多UAV覆盖侦察方法研究

为提高多无人机对复杂目标区域进行覆盖侦察的效率,首先采用多边形宽度和最小面积外接矩形求解方法对不规则区域进行整理和离散化处理;其次,基于改进蚁群算法对各离散网格中心节点进行优化生成树的构建;最后,依据所得优化生成树进行多无人机协同覆盖侦察航路的规划。仿真结果表明,所提方法在完成目标区域覆盖侦察任务过程中所需转弯次数最少,且无需重新任务规划即可完成编队侦察任务重构,有效的提升了系统覆盖侦察的效率。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

水中机器人2D 仿真的策略优化

针对现行水中机器人2D仿真1vs1比赛中的顶球算法以及策略的不足,提出一种教学建模和区域划分的方法。介绍一种新的基于区域的自适应顶球策略,即在顶球的过程中,将比赛场地分成若干区域,并在算法中采用有限自动机,不同的策略可自适应地应用于不同的区域中。实验结果证实：优化后的顶球算法配合区域划分策略能够实现更快速有效地进球,同时也提出了现有平台的优化建议。     

基于微分进化-蚁群优化算法的潜航器航路规划

航路规划是包括新型巡航鱼雷和诱饵、远程布雷系统等潜航器完成指定任务的关键技术之一;为了解决蚁群优化算法在航路规划时存在的容易陷入局部最优、收敛速度慢等问题,引入了微分进化原理,对蚁群优化算法进行了改进,提出了微分进化-蚁群优化混合算法;该算法将微分进化的随机偏差扰动产生新个体的思想融入到蚁群优化算法中,对蚁群算法的信息素进行优化;最后以潜航器航路规划问题为实例,对改进后的混合算法进行了仿真研究;结果表明:提出的混合算法不仅能够得到更好的解,还能显著地提高算法的收敛速度。     

大规模WSN分簇路由蚁群算法的研究

为提高大规模WSN路由性能,提出了基于蚁群算法的无线传感器网络分簇路由算法。首先将网络节点进行聚类,将整个网络分解成一些小规模的区域类,然后利用蚁群算法对每个区域类并行求解最佳路径,并将所有区域类的路径解按一定规则生成整个网络路由的较优解。该算法根据聚类特征对任务进行分解,利用蚁群算法并行求解子问题后再生成全局解的方式,极大地加快了算法的求解速度,对建立大规模WSN路由有着重要启示。算法的时间复杂度和仿真测试分析表明,此算法具有良好的性能。     

基于区域博弈的全局视觉2VS2策略改进

为寻找更加有效的制胜算法,寻求一种基于国际水中机器人大赛全局视觉2VS2项目的有效策略改进方案,笔者将建模思想引入策略实现.首先对赛场进行区域划分,并基于不同区域的威胁程度进行博弈分析,实现策略改进,编写了新的顶球算法策略.实践结果表明:在同等条件下,采用该算法能够更加灵活、有效地采取策略进攻或防守,提高对抗防御能力和进攻进球效率.     

基于语义树Markov随机场模型的地面机器人多尺度道路感知

道路实时感知是自主式地面移动机器人实现自主导航的关键技术,但由于室外道路环境的复杂性与不确定性,其算法开发难度较大。提出了一种基于小波域语义树Markov模型的多尺度仿生道路感知算法。在时空域上采用三维随机场对机器人采集到的道路图像序列进行建模,提出了一种采用树结构约束、面向道路识别的语义树Markov随机场（RT-MRF）模型;采用遗传算法优化的有监督RT-MRF模型进行道路图像序列分割;机器人通过跟踪分割边界实现道路区域识别及自主导航。采用自主研制的四足仿生机器人作为研究和实验平台。实验结果表明：该方法能够在具有阴影、裂纹、坑洞、不平整及光照度变化的较差道路检测条件下鲁棒分割出道路边界,算法实时性高,可满足室外移动机器人自主导航需求。     

基于防御雷达监控的多无人机协同侦察优化模型

针对多无人机协同侦察路径优化问题,构建一种分步求解有防御雷达监控的多无人机协同侦察优化模型.通过聚类分析的方法对待侦察目标点进行目标群的划分,运用TSP算法求出目标群内各目标点之间的最优侦察路径并对无人机进行任务分配.根据相关约束条件,建立以无人机在敌方雷达监控范围内的滞留时间最短为目标的MMTSP 优化模型.运用蚁群算法对所建模型进行求解,并进行实例分析.分析结果表明:该模型和方法具有可行性和有效性,可为多无人机协同侦察提供参考.     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

自组织网络区域覆盖协作控制算法

针对自组织网络区域覆盖控制算法覆盖效率低、能量消耗大以及传输可靠性差等问题,在分析自组织网络模型特点基础上,提出基于三角剖分的自组织网络元胞遗传区域覆盖协作控制算法。该算法以节点覆盖区域外部多边形顶点结构为基准,通过三角剖分形式将网络覆盖区域划分为若干子域;基于染色方案将子域顶点处节点定义为扫频节点,根据区域划分后信号频谱的不同确定集群范围;在考虑通信能耗和空闲能耗基础上,采用元胞遗传思想解决自组织网络节点功率控制方式。仿真结果表明,节点数量在100~500之间时,该算法相对于均衡速率区域覆盖算法、最小节点强屏障的分区构造算法、覆盖配置协议算法、多跳Ad Hoc无线网络的节能技术算法,覆盖效率至少提高3%,能量消耗至少减少2 J,平均端到端可靠度至少提高9.5%.     

基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

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.     

深海着陆车路径规划及跟踪控制方法

为降低深海着陆车(DSLV)在复杂海底自主作业时规划路径长度及提高路径跟踪精度,提出一种变参数蚁群算法及自适应权重模型预测控制算法。改进了蚁群算法的启发算子和信息素挥发因子,减少规划路径长度和寻优迭代次数;基于DSLV运动学方程建立预测模型,并在跟踪目标函数中引入自适应权重调节思想。仿真结果表明：规划路径长度降低4.60%,跟踪精度提高47.6%;相比传统方法,新算法具有更好的性能,实现了短距离、高精度的路径规划及跟踪。     

多无人机远距突防协同目标搜索决策

针对需要远距突防的不确定区域运动目标的搜索问题,提出了多无人机（UAV）远距突防和协同目标搜索的路径决策。改进基本的二维扩散模型,建立考虑目标运动与地理环境限制条件下的不确定区域扩散模型,在此基础上基于电势场算法和滚动时域控制研究了远距突防与优化路径决策策略。综合考虑不确定性降低收益、平均不确定度与综合抗力,构建协同搜索收益函数,为协同搜索路径决策提供路径优化准则,进行仿真实验。仿真结果表明,本算法能够有效地应对突发威胁与不确定区域扩散,完成多UAV远距突防与协同目标搜索任务。     

无人机多机协同航迹规划的研究及发展

构建了无人机协同航迹规划的结构框架，并阐述了其发展，分析了无人机系统约束及威胁场约束，探讨了无人机航迹几何建模方法及协同规划算法的国内外研究概况，并着重分析了协同规划算法如遗传算法、神经网络及蚁群算法。最后，阐述了无人机协同航迹规划面临的关键问题及发展趋势。     

基于混沌蚁群算法的多机协同空战火力分配

针对多机协同空战中的多目标攻击决策问题,提出了一种基于混沌蚁群算法的火力分配方法。该方法将混沌运动的遍历性、随机性和蚁群算法信息素正反馈相结合,起到了优势互补作用。根据相应数学模型进行的仿真结果表明,该方法在多机协同空战火力分配中具有较强的全局寻优能力,且收敛速度快,寻优效果好。