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Floyd算法的灵活航迹规划方法

针对支持卫星通信的巡航导弹预存多个目标打击航迹的特点,给出了一种基于Floyd算法的灵活目标打击航迹规划方法。该方法通过在代价函数中引入高程代价和风险代价,使得Floyd算法能够充分利用地形和威胁信息;通过在算法搜索中考虑导航图的对称性,减少了算法的搜索时间;通过对规划的航迹进行平滑计算,保证了航迹的可行性。给出了灵活航迹的规划步骤和算法复杂性分析,仿真计算结果表明了该方法的有效性。     

一种基于改进遗传算法的三维航路规划

针对遗传算法在求解航路规划时存在的收敛速度慢、容易＂早熟＂问题,结合模糊推理、模拟退火算法和自适应机制,提出了一种基于改进遗传算法的三维航路规划.算法利用极坐标描述航路点,缩短了染色体编码长度,降低了搜索空间,提高了优化效率,并将模拟退火的Boltzmann接受机制引入遗传算法,对遗传操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

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.     

引入突防概率的飞机航路规划遗传算法

飞机低空突防技术除了包括地形跟随、地形回避和威胁回避以外,当不能在敌防区外发射导弹时,还必须分析目标附近的敌防御体系的构成。将最大突防概率引入航路规划的代价函数指标中,通过突防概率的计算,提出以航路末端进入角来修正代价函数指标。采用遗传算法进行航路规划,仿真算例表明,该算法可以满足对地形和静态威胁的回避,同时可以按照突防概率最大的末端进入角到达目标点。     

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。     

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。     

自主水下航行器多终点航路规划的距离正则化混合水平集算法研究

为进一步提升水平集算法求解自主水下航行器(AUV)时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6.4倍,是量子粒子群算法的1.6倍,且鲁棒性更佳。     

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。     

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。     

虚拟场景中路径自动选择算法

针对传统路径规划方法存在的问题,对机器人全局路径规划中的栅格建模方法进行改进。从场景建模描述、邻域查找以及路径搜索策略3个方面进行深入研究,采用线性八叉树法对场景进行建模,给出基于线性八叉树的层次编码体系,引入路径搜索因子对启发式函数进行重构。通过基于八叉树的场景分解,基于线性八叉树编码特性的邻域查找,以及改进的A＊算法路径搜索,实现了三维场景路径规划和自动漫游。实验结果表明：该算法的时间和空间效率较好。     

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,     

基于改进GA 的多机舰面转运规划

针对复杂环境下的多舰载机舰面同时转运避碰规划问题,提出基于遗传算法的路径规划方法。分析多机 同时转运问题,设计目标函数和约束条件;建立舰载机碰撞检测计算公式、基于交通规则的等停策略和重规划策略、 非均匀有理B 样条(non-uniform ration B-spline,NURBS)平滑策略;通过遗传算法对不同数量舰载机同时转运场景 进行仿真。仿真试验结果表明：该方法在复杂环境下能有效规划出转运路径,可靠性好、适航性强,能为多机舰面 同时转运提供科学有效的决策方法。     

无人机雁行仿生群飞路径规划

为解决单架无人机因互相之间没有通信机制而无法独立进行路径规划的问题,提出一种仿生雁群路径航 路选择的无人机群飞路径规划。介绍算法原理,将无人机初始化为粒子后,在无人机群中确定主机、僚机。依据遗 传算法基础原理,将仿生学引入到无人机群协同编队飞行航点规划当中,使用遗传算法对组群飞行的主机航路进行 路径规划,产生需要的解或最优解;通过模仿雁群跟随的策略,设计僚机跟随主机的算法,从而实现组群飞行,并 进行了实验验证。实验结果表明,该研究对无人机群飞行控制有一定的参考价值。     

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。