不确定环境下的多无人机协同搜索航路规划

为解决多架无人机(UAV)在不确定环境中搜索目标的问题,根据多UAV协同搜索的基本原则,建立了多UAV协同搜索的环境模型和UAV运动模型,提出了一种满足UAV机动限制和适应数据通讯延迟的协同路径决策算法.根据先验知识将环境分为未知环境,已知环境和禁飞区,设计了搜索回报函数,引导UAV对未知环境进行搜索,对已知环境进行规...     

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。     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

多无人机多任务对地攻击协同任务分配

针对多无人机对地协同攻击多任务分配问题,通过合理假设对问题进行抽象简化的基础上,建立了基于任务分配收益和代价的总体分配效能函数模型,并以此模型作为任务分配方案的评估标准。引入各种操作符重新定义了离散粒子群优化算法的速度以及位置更新公式,建立了算法实现的基本流程,并利用该DPSO优化算法对任务分配模型进行求解。分别针对多UAV单任务,单UAV多任务以及多UAV多任务进行仿真分析,结果表明,DPSO算法比遗传算法具有更好的全局搜索能力和收敛速度,通过仿真验证了任务分配模型的合理性和正确性,验证了算法的有效性和相对于遗传算法的优越性。     

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。     

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。     

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。     

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。     

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。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。     

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。     

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。     

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。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

基于成像传感器特性的侦察无人机航迹规划研究

针对携带成像传感器的侦察无人机的航迹规划问题,提出整体与局部航迹规划结合的方法;将侦察无人机航迹规划问题分解为两步:第一步,利用遗传算法全局搜索的优势对蚁群算法初始信息素过低进行改进,对无人机进行整体航迹规划;第二步,利用几何限制原则结合侦察无人机携带的成像传感器的特点进行局部航迹再规划;通过按照该方法规划出侦察无人机的航迹并取得较好效果的一个实例证明,该方法计算简化、贴合实际、针对性强,可为实际战场侦察无人机航迹规划提供了参考.     

基于改进蚁群算法的红外图像边缘检测方法

蚁群算法应用在红外图像边缘检测方面具有良好的效果,但个体蚂蚁的参数需要针对不同图像进行手动配置,这种情况既不利于工程化应用,又降低了算法的效率。针对该问题,提出了一种基于改进蚁群算法的图像边缘检测方法,该方法采用估计个体蚂蚁的分布区域来代替以往全局随机分布的方式,提高算法在敏感区域的搜索效率;同时根据图像边缘复杂程度给出个体蚂蚁的移动步长、禁忌列表长度等参数用于算法迭代,促进算法在边缘丰富区域搜索的同时抑制了算法结果早熟。多组仿真结果证明该方法能够自动给出较为合适的参数,同时在不影响边缘检测效果的前提下缩短运行时间。     

基于蚁群算法的空间目标地基监视重调度

为解决空间目标地基监视中的资源故障或因天气、供电导致的资源失效等对调度的干扰问题,在扰动度量的基础上提出一种基于扰动邻域搜索的蚁群算法.建立以失败需求综合优先级最小和扰动最小为目标的重调度模型,算法中采用2个信息素矩阵来产生一个可行解,通过邻域搜索在可行解的扰动邻域内对其进行局部优化,再用蚁群算法进行全局寻优.仿真实验结果表明:该算法是有效、可行的,能在可接受时间内收敛,且其解的质量相对启发式方法有明显提升.     

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.