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.     

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。     

基于改进蚁群算法的移动机器人路径规划

针对移动机器人路径规划中传统蚁群算法容易出现停滞现象、收敛较慢的问题进行研究。采用局部更新规则和自适应方法,构建了移动机器人在迷宫中的动态路径规划模型。通过计算机仿真和电脑鼠机器人实际行走实验表明,在场地复杂的情况下,该算法可以有效地规划出全局最优路径,加快规划速度,满足实际应用需要。     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

移动机器人路径规划技术

为使移动机器人在实际地图环境中自主根据算法规划行走最短路径,研究A*、蚁群和遗传算法的实际应用.通过仿真和控制变量方法,将3种算法在模拟地图环境中进行最短路径规划,对比不同算法在不同复杂程度地图上的规划效果,找出实际地图环境中算法应用的规律,并通过多次测试与仿真修改.仿真结果表明:A*算法在实际地图环境中应用效果最佳,移动机器人能够自主根据A*算法规划出最短路径.     

一种基于分割法的无人机路径规划新方法

为解决无人机快速可靠的路径规划问题,提出了一种在威胁分布已知条件下的无人机飞行路径规划新方法。在Matlab软件平台下,运用Voronoi图法根据已知威胁分布获取无人机的初始安全飞行路径,然后采用Dijkstra算法进行路径搜索获取最短路径,再利用提出的分割法对最短路径进一步优化并减少其拐点,最后利用spcrv函数对路径进行平滑以获取最优路径,并通过一系列的仿真证明了该算法可行并具有很好的时间性能。     

一种基于中垂线路径规划的仿真机器鱼射门算法

为提高仿真机器鱼在进攻过程中的射门效率和准确度,减少水波和敌方对仿真鱼的干扰[1],设计一种基于仿真鱼的刚体中心点和仿真水球中心点连线的中垂线的射门路径最优路径规划算法[2]。介绍中垂线路径规划最优射门算法,分析算法用于射门存在的问题,给出射门算法改进的基本思路,提出算法的实现方法,并以实例进行仿真及效果评价。该算法已成功应用于机器鱼水球比赛1vs1、3vs3、水球斯诺克等中。实际应用结果表明:该算法实现简洁巧妙,进攻效率高而且抗干扰强,能使机器鱼在最短的时间内寻找一条合适路径然后顶球射门[3]。     

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.     

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无人机三维航迹规划研究

针对蚁群算法进行无人机航迹规划时,易陷入局部极值,且收敛速度较慢的问题,提出了基于改进蚁群算法的无人机三维航迹规划。将三维航迹规划分成基于改进蚁群算法的二维平面规划和高度规划两部分,采用几何优化方法增强了蚂蚁搜索的引导性,并根据航迹点与威胁源之间的距离及高度约束,调节航迹点的高度,规划出无人机三维航迹。同时,利用自适应调节参数方法提高蚁群搜索能力与个体之间交互能力,有效摆脱原算法易陷入局部最优的情况。此外,建立了指标函数并对路径进行了平滑处理。仿真结果表明,所提出的改进算法在三维环境下不仅可以安全避开威胁,而且找到最优解的能力及收敛速度优于原算法。     

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。     

基于蚁群算法的舰载机避障路线分析

为了使舰载机编队在突破飞行过程中保持最大的生存概率,针对具有不同威胁程度的威胁体的舰载机避障路径规划问题,提出了一种不同于V图的初始路径构图方法,通过蚁群算法得到了模型中舰载机遭遇各威胁体的避障方式,以及相同威胁度与不同威胁度情况下的避障路线,并进行仿真验证.仿真结果表明:该方法给出最优的避障路线能有效解决V图只能对相同威胁体进行规划的难题,在威胁度与距离2个问题上取得平衡,可进一步推广应用于不同威胁体的多机协同路径规划,为舰载机飞行中过程中的路径规划问题提供了理论依据.     

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。     

基于蚁群算法的测试任务调度优化方法

复杂系统测试通常存在任务复杂、测试时间长、资源浪费等问题,对资源和任务进行合理调度具有重要实用价值。提出基于蚁群算法的测试任务并行任务调度优化方法,对测试问题进行描述,与蚁群算法结合,设计了启发函数、状态转移规则;根据算法流程获得测试时间最短的任务调度序列;针对任务序列多解的问题,提出资源均衡度的评价标准,得到最优的资源任务调度序列。基于蚁群算法解决了复杂测试系统任务调度问题,对某实际测试系统资源任务集进行调度仿真,并与随机穷举法对比验证算法的有效性,结果表明该方法能大大节约测试时间。测试实例与当前常用的半串行测试进行对比,测试效率提升了43.07%;所得结果为最短测试时间任务调度序列中资源均衡度最高的。     

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验。结果表明,改进A^*算法可较好地统筹多个决策目标之间的关系,有效提升路径方案的质量,解决使用A^*算法在海战兵棋推演中进行最优路径规划的实际问题。     

两栖作战中的火力协同规划模型

针对两栖作战过程中多火力装备协同作战时火力与目标的分配效能问题,根据对每种火力装备的毁伤效果评估,通过战场信息评估待打击目标的威胁程度,建立以最大化毁伤收益为目标函数的数学模型,阐明火力协同规划问题的基本目标函数及其约束条件,采用模拟退火算法对该模型进行求解,对模拟退火算法产生新解的过程进行改进,并通过案例进行Matlab仿真分析.结果表明,该模型具有较好的可行性和有效性.     

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。