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。     

巡航导弹航迹规划决策系统研究与开发

在研究巡航导弹任务规划的基础上,采用TF/TA2（Terrain Following/Terrain Avoiding/Threat Avoiding）技术,利用地球曲率和地形起伏而造成的防空体系的盲区,使导弹进行超低空飞行,达到突防目的.并设计了巡航导弹航迹规划决策系统,包括地形模拟、航迹决策、雷达辐射源库、火力威胁库的建立和最优航迹算法研究等.     

巡飞导弹区域巡逻侦察航迹规划研究

为了研究在岛屿、近岸作战区域等复杂战场环境下巡飞导弹区域巡逻侦察航迹规划问题,在威胁建模的基础上,将侦察航迹优化问题转化为最佳哈密顿圈问题,提出了基于Floyd算法和改良圈算法的航迹规划算法,并进行航迹修正得到可飞航迹.经仿真实验说明该航迹规划方法简单实用.     

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。     

改进A*算法在突防航迹规划中的应用

针对实际应用中传统A*算法存在搜索时间长、占用空间大和生成的航迹可飞性低等问题,对传统A*算法进行了改进。通过引入启发函数选择因子,并结合航迹约束条件改进节点扩展策略,有效减小了算法搜索时间和所占用的内存空间;采用索引矩阵和无序数组的混合数据结构实现对Open表和数据的管理,显著提高了算法效率;通过对航迹进行后期平滑处理,使生成的航迹满足飞机机动性能要求。仿真结果表明,改进后的A*算法有效提高了规划效率且生成的航迹更具可飞性,在突防航迹规划中具有一定的实际应用价值。     

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     

基于多路径算法的选飞航迹规划方法研究

针对支持数据链通信的巡航导弹因协同作战而预规划多条飞行航迹的特点,提出了基于多路径标号更正算法的选飞航迹规划方法。该算法在传统算法标号更正算法的基础上引入节点禁忌扩展策略,从而实现航迹的转弯控制和航迹间隔控制,保证了求取的路径满足导弹的飞行约束;通过在赋权图中引入数字地形高程信息和威胁信息,实现了该规划方法三维规划能力和威胁规避能力。给出了选飞航迹的规划步骤,通过仿真计算证明了该算法的有效性。     

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CS曲线的最优航迹光顺方法研究

航迹光顺是保证无人机航迹规划可飞性的关键。给出了基于V图的规划空间生成策略,运用动态规划法,获得了初始最优航迹;研究分析了CS曲线的变化特性,提出了一种基于CS曲线的航迹光顺算法;通过引入无人机飞行性能约束到CS曲线,建立基于CS曲线的最优航迹光顺模型;仿真结果表明所提航迹光顺方法既保证了航迹的可飞性,又保证了无人机的安全性。     

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.     

一种无人侦察机监控航线规划方法

提出了一种基于粒子群优化算法的监控航线规划，探讨了粒子群中单个粒子的编码方式和解码顺序，研究了航线光顺方法．最后进行了仿真检验．结果表明，该算法切实可行，初步解决了无人侦察机的监控航线规划问题，在一定程度上提高了无人侦察机的监控效率．     

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。     

基于遗传算法的机器鱼水中路径规划

针对机器鱼水中路径寻优的具体要求,提出一种以遗传算法为基础的机器鱼路径规划方法。通过介绍遗传算法的3种基本操作,将遗传算法应用到试验场景中规划出最优路径,分析研究了一种根据目标点与机器鱼的距离变化而改变机器鱼运动速度的策略,并进行仿真分析和实验。仿真结果表明：采用遗传算法的水中救援路径规划可将救援时间缩短30%以上,提高了寻优效率。说明遗传算法对机器鱼的路径规划具有积极效果和快速寻优特性。     

基于免疫遗传算法的轮式装甲车辆CGF路径规划研究

为了改进轮式装甲车辆CGF路径规划能力,提高CGF路径质量,在基本遗传算法的基础上,结合生物免疫学原理,加入了免疫算法的部分思想,研究一种改进的免疫遗传算法用于轮式装甲车辆CGF全局路径规划。经过仿真实验证明,免疫遗传算法的性能较遗传算法有一定提高,算法收敛更快和规划路径质量更优。     

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.     

基于粒子群算法的移动机器人路径规划

基于粒子群算法的移动机器人路径规划,通过建立目标函数、变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹,     

基于模拟退火算法的岛礁补给路径规划

为了高效、准确地解决岛礁补给最优路径规划问题,基于模拟退火算法对该问题进行了研究.采用路径长度最短作为海岛补给路径规划的最优指标,利用模拟退火算法求解最短路径.并分别对蚁群算法和模拟退火算法路径规划进行仿真分析,仿真结果表明:在岛礁补给路径规划问题上,模拟退火算法不仅可以高效准确地解决岛礁最优路径规划问题,而且相对于蚁群算法具有能避免陷入局部最优,计算结果稳定且效率更高等优势.该方法不仅可以用于岛礁补给路径规划,还可以用于解决无人平台、飞行器等路径规划的问题.     

基于遗传算法的机器鱼路径规划

针对在线跟踪机器鱼运动等难题,提出基于对基于遗传算法的机器鱼路径规划方法。采用栅格法对机器鱼工作空间进行划分,然后通过复制、交叉、变异等遗传操作得到机器鱼在由栅格表示环境下的最短无碰路径。根据分段控制和模糊控制的思想分别设计出机器鱼前进的速度控制算法和方向控制算法,使机器鱼的实际推进路线尽量与通过遗传算法得到的理想最优路径一致。再通过计算机向机器鱼发出相应的控制指令。实验结果表明,该方法的是有效的。     

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。     

基于改进量子进化算法的巡航导弹航路规划方法

针对巡航导弹作战区域广阔、航路规划效率低的问题,提出了基于改进量子进化算法(IQEA)的巡航导弹航路规划方法。首先分析并确定巡航导弹航路规划空间,建立航路评价的代价指标;针对实数编码量子进化算法容易早熟、陷入局部最优的缺点,引入染色体的概率表达特性,使得每条染色体均能以一定概率表达优化问题的所有可行解;借鉴遗传算法的思想,在IQEA中引入染色体繁殖机制,结合动态量子门实现染色体的进化,实现算法局部搜索和全局搜索的平衡。仿真实验结果表明,基于带繁殖机制的IQEA的航路规划算法能够快速、稳定地搜索到代价更低的航路,所规划航路能够有效进行威胁规避、地形回避和地形跟随。