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。     

基于蚁群算法的巡航导弹航路规划

航路规划是提高巡航导弹突防概率的关键因素之一.为了提高巡航导弹对敌打击的有效性,在对敌防御区域内的目标进行打击时,必须保证巡航导弹能以最小的被发现概率和可接受的航程接近目标.针对这一问题,文中对近年来出现的蚁群算法进行了讨论和改进,将它应用于巡航导弹的航路规划问题,比较详细地考虑了巡航导弹航路规划中各种影响因素,并进行了仿真计算.     

基于蚁群算法的巡航导弹航路规划研究

航路规划是提高巡航导弹突防概率的关键因素之一.为了提高巡航导弹对敌打击的有效性,在对敌防御区域内的目标进行打击时,必须保证巡航导弹能以最小的被发现概率和可接受的航程接近目标.针对这一问题,文章对近年来出现的蚁群算法进行了讨论和改进,将它应用于巡航导弹的航路规划问题,比较详细地考虑了巡航导弹航路规划中各种影响因素,并进行了仿真计算.     

基于蚁群算法的巡航导弹航路规划研究

航路规划是提高巡航导弹突防概率的关键因素之一。为了提高巡航导弹对敌打击的有效性，在对敌防御区域内的目标进行打击时，必须保证巡航导弹能以最小的被发现概率和可接受的航程接近目标。针对这一问题，文章对近年来出现的蚁群算法进行了讨论和改进，将它应用于巡航导弹的航路规划问题，比较详细地考虑了巡航导弹航路规划中各种影响因素，并进行了仿真计算。     

蚁群算法在水下滑翔器航路规划中的应用

水下滑翔器作为一种超低能耗的水下航行器,有非常广阔的应用前景。本文利用蚁群算法,并引入了海流矢量因子,对水下滑翔器的航路规划进行了模拟,仿真结果表明,这种航路的规划方法能有效地优化航路,保证航路的质量。     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

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.     

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。     

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。     

基于蚁群算法的无人机最短航路规划

为解决无人机在执行多航点任务过程中,由于航点数量较多而导致的多种飞行轨迹问题,提出一种仿生 蚁群觅食路径选择的无人机航点任务轨迹规划方法。介绍算法原理,计算信息点的信息素浓度,通过工蚁航点转换 规则和信息素浓度修改规则进行算法实现,并对其进行计算仿真和结果分析。仿真结果表明：该算法能够保证飞行 器以最短路径飞行完成所有航点任务,提高了无人机的任务执行效率,减少了控制系统的时间损耗,便于无人机编 队飞行系统的实现。     

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.     

多约束条件下UUV空间航迹规划

针对多约束条件下无人水下航行器（UUV）空间航迹规划问题,提出了结合安全曲面和威胁地图的规划方法,建立了水下安全航行曲面,将3D空间规划降为2D航向平面规划,以解决3D规划空间过大的问题。并对敌对威胁和地形威胁统一化处理,构建威胁地图,引入威胁代价和威胁程度启发因子,最后运用A＊算法进行航迹搜索,以获得最优航迹。仿真结果显示,所提出的航迹规划算法简便、快速,生成的航迹能满足地形跟随、地形回避和威胁回避的需要。     

改进蚁群算法优化的密集装配路径规划

为提高密集装配工艺作业效率,针对其装配工艺建立数学模型,得到装配过程中的多目标路径规划问题。 根据轮盘赌原则对蚁群算法进行改进,克服了算法容易陷入局部最优解问题并对装配轨迹进行优化。结果表明：该 规划探索出密集装配工艺的最优路径,提高了装配工艺效率。     

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。