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。     

基于一种改进粒子群算法的水下远程武器航路规划

针对水下远程武器航路规划中,采用基本粒子群算法避障出现的航路倒退问题,提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化（PSO）算法,并结合远程武器的航路规划设计模型,应用于水下武器作战仿真系统。计算结果表明,该算法可有效提高远程武器航路规划避障的计算效果,对水下远程武器的作战使用研究具有一定的参考价值。     

混合智能算法求解火力规划问题的编程实现

针对火力规划问题(WTA),提出了一种新的混合智能算法,该算法在传统蚁群算法的基础上融入遗传算法与粒子群算法,通过添加初始信息素与蚂蚁的经验信息,缩短了寻找最优解的时间,提高了计算效率。利用MATLAB对算法编程实现,通过程序展示算法理论,最后求解简单的火力规划模型,对比传统智能算法与混合智能算法的计算过程,结果证明了混合智能算法求解WTA问题的正确性与高效性,与传统蚁群算法、遗传算法相比,它能够较明显地缩短最优解出现的时间。     

水下地形辅助导航最优航路规划

为了确保水下地形辅助导航系统在规划航路上能够获得充足的地形信息,提出了一种综合考虑航行任务和地形信息量的最优航路规划方法。该方法首先建立了水下地形熵信息量分布模型,然后以地形信息量和航路长度为优化目标,同时考虑障碍物和航行器机动性能的约束,利用粒子群优化算法在匹配区内全局寻优,得到符合要求的最优航路,最后采用粒子滤波水下地形匹配算法沿该航路进行匹配运算。仿真结果表明,该方法能够给出地形特征充足的最优航路。     

无人作战飞机侦察监视航路规划研究

侦察监视航路规划是无人作战飞机（unmanned combat aerial vechicles,UCAV）任务规划系统的一项重要研究内容,其目的是找到一条从起始点出发并最终回到起始点,在某种性能指标下最优的飞行路径。本文提出了一种航路规划的遗传粒子群优化算法,设计了算法流程,给出了规划方法,解决了大范围内单／多机的侦察监视航路规划问题,仿真结果证明了该算法的有效性。     

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。     

水下平台三维航路多约束多指标规划的蚁群策略研究

为综合考虑各类约束因素和综合性能指标的实际需求,克服传统的单性能（航程）指标优化和地形障碍约束的局限性,从安全性、隐蔽性、快速性角度实现三维海洋环境要素的充分运用,提高三维航路规划算法的有效性和适用性,设计了水下平台三维航路多约束多指标规划的蚁群策略。引入了栅格模型对三维海洋空间环境进行描述;充分考虑了水下平台性能、地形、海洋环境以及任务约束,构建了三维航路蚁群规划策略,设计了多约束启发函数和多指标评价函数;对算法进行了仿真验证。结果表明,该算法充分考虑海洋环境要素影响,基于多约束启发函数和多指标评价函数,通过灵活设定规划系数,实现不同性能指标、不同任务约束的三维航路规划,能够较好地符合水下平台的航行需要。     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

复杂环境下无人机三维航迹规划方法研究

复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。     

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。     

事件触发的多AUV编队模型预测控制算法

针对复杂环境中自治水下机器人(autonomous underwater vehicle,AUV)编队的避障控制问题,提出一种基于事件触发的模型预测控制(model predictive control,MPC)算法。建立水下机器人运动模型,结合领航-跟随式队形控制方法,利用领航AUV的位置信息和编队期望队形得到虚拟AUV的航行轨迹及速度信息,将其作为跟随AUV的航行参考轨迹;对传统人工势场法(artificial potential field,APF)进行适应性改进,以满足AUV编队在障碍物环境中避障规划的需求;设计一种基于跟随AUV轨迹预测值与实际值误差的事件触发机制来减少求解优化问题的计算量,降低计算负担。结果表明：与其他算法相比,该算法仿真结果具有可行性和有效性。     

一种资源约束下的AUV编队系统动态任务规划方法

动态任务规划是协调复杂环境、自主水下航行器（AUV）有限资源以及动态任务之间耦合,提高编队协同能力的关键技术。针对资源约束下的AUV编队系统动态任务规划问题,提出了一种基于不公平度的资源均衡方法,兼顾资源均衡和效能最大2个目标,建立了基于合同网的多约束多目标任务规划数学模型,基于着色Petri网实现了系统的形式化建模/仿真/验证一体化。仿真结果表明,该方法能够有效地解决以效能最大为目标的资源选择原则导致的优者负载过重和以平均执行任务数为核心的负载平衡算法带来的任务等待时间延长问题,提高了系统的效能。     

基于SKF 多传感器融合的无人机航迹规划

针对无人机在未知环境下航迹规划难的问题,提出一种基于开关卡尔曼滤波器(switching Kalman filter, SKF)无人机定位和航迹规划的方法。根据多假设理论,建立地图观测数据,结合基于INS/GPS/GIS 多传感器融合 的航迹匹配方法,使用SKF 算法完成多传感器融合和多模型的参数估计,实现无人机的自主定位和航迹规划。仿真 试验结果表明：该算法稳定性好、收敛速度较快、计算复杂度小,具有较高的航迹估计精度。     

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。     

基于稀疏A*算法的AUV全局路径规划

路径规划是自主式水下航行器(AUV)研究领域的重要课题之一。传统的AUV路径规划算法,如人工势场法、图搜索法等,容易出现陷入局部最优解、计算速度慢等问题,为克服上述缺陷,本文基于稀疏A*算法,提出了一种新的用于构造搜索空间的随机布点方法,在路径规划区域内,利用随机函数均匀地布撒足够多的搜索节点,从而构成搜索空间,可显著降低计算量,提高搜索效率;并进一步对所得路径进行通视性检查,有效地减少路径点个数和折点数,获得更优路径。仿真试验结果验证了该算法的正确性和有效性,表明该算法具有全局优化能力强、计算速度快的优点,具有一定的工程应用价值。     

基于指标函数集合排序法的UUV航路规划

潜艇艇载战术无人水下航行体（UUV）的军事应用要求其全局航路规划求解算法必须兼顾计算快速性与任务适应性要求。使用动态规划算法求解该问题较其他算法具有求解速度快的优势,而传统动态规划使用单一指标函数存在任务适应性不高的问题,为此提出使用指标函数排序集合的改进方法,说明了该方法的使用时机与程序实现要点。该方法用一个可变的指标函数集合代替了单一的指标函数,其程序流程与传统方法基本相同,只是初始化模块、算法模块以及一些预备工作有所不同。仿真结果证明了改进方法的有效性,且在任务适应性上有明显提高,可降低整个航路规划的时间消耗。     

海流环境下AUV 航行偏移影响研究

针对不同海流环境会对自主式水下无人航行器(Autonomous Underwater Vehicle,AUV)航行船位产生不同程度偏移的问题,构建一种海流环境下AUV运动模型,并基于海流区内AUV航行船位距离偏移及船位方位偏移评价指标,分析海流环境对AUV航行偏移的影响规律。结果表明：当海流流向或流速达到一定量值时,对AUV航行船位的距离和方位偏移影响陡然增加;相比海流流向,海流流速对AUV船位偏移影响更为直接;不同方向及大小的海流在一定情况下会对AUV航行船位偏移产生一致的影响;通过设置AUV船位偏移阈值,可为AUV航路规划提供辅助决策,避开存在相应海流阈值的海域,从而提高AUV对武器、装备及物资的远距离精准投送能力。     

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。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

基于模糊控制的仿生机器鱼避障算法

在具有复杂性与不确定性的水环境下,针对无法建立精确的水下机器人控制数学模型问题,提出基于模糊控制的仿生机器鱼避障算法。将视线导航原理与模糊控制思想相结合,进行水下机器人路径规划。通过专家经验,设计一个模糊控制器,实时调整水下机器人的运动方向,并通过仿真实验验证该算法的有效性。仿真及实验结果表明：该算法能实时、稳定地提供水下机器人的运动路径,有效躲避障碍物,安全达到目标点。