不确定环境中的飞行器航迹快速搜索算法

本文提出了一种飞行器两阶段航迹规划算法,该方法能够在具有不确定信息的飞行环境中进行实时规划。首先根据获得的先验信息建立概率模型———概率图;其次为保证航迹的鲁棒性及可行性,先用RYG算法确定飞行器的安全走廊,有效地缩小了搜索空间。在此基础上,考虑到实际约束条件,再利用A*搜索算法进一步细化,得到一条最优航迹。仿真结果表明,该算法能够快速有效地完成规划任务,获得较满意的航迹。     

区域目标搜索中基于改进RRT的UAV实时航迹规划

在线自主航迹规划是无人机(Unmanned Aerial Vehicles,UAV)执行区域目标搜索任务的有效保证.针对UAV区域搜索中航迹规划的实时性要求,提出了一种固定搜索模式和动态搜索模式相结合的UAV自主航迹规划框架.在快速扩展随机树(RRT)方法的基础上,通过改进随机扩展树的节点选择和引入启发式信息,提出了基于改进RRT的UAV实时搜索航迹规划算法,该算法能够有效降低在线航迹规划的时间代价和扩展节点数.仿真实验结果验证了本文方法的有效性.     

无人机三维航迹规划与可视化仿真

结合无人机的机动能力限制条件,研究了基于稀疏A*算法的无人机三维航迹规划.该算法有效修剪了搜索空间中的无用节点,缩短了航迹搜索时间.在搜索过程中,充分利用了三维地形信息,使算法生成的航迹能够自动回避地形和雷达威胁.最后通过三维航迹的可视化仿真,对生成的航迹进行了验证.     

一种可实现TF/TA2的无人飞行器三维航迹规划方法

从规划空间的有效表达着手对无人飞行器三维航迹规划展开研究,基于地形和威胁提出的飞行器航迹规划方法将航迹规划分为学习阶段和查询阶段,环境信息和飞行器的大部分约束条件结合在路线图的构造过程中,航迹搜索在此路线图中进行并最终实现全部约束条件.试验结果显示,该方法可以实时获得实现TF/TA2的三维航迹.     

时敏打击中航迹规划与重规划研究

针对时敏打击作战的特点,对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划算法.该方法通过使用特定的粒子群编码方式和构造适当的适应度函数,可以在满足航迹约束的条件下,有效利用各种环境信息,进行实时航迹规划.仿真实验表明,该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹.     

基于A*算法的四维实时航迹规划算法

飞行器在飞行过程中接到攻击时间敏感目标的指令时,时间因素必须被考虑,这时飞行器就要规划出四维航迹.利用A*算法的特点,将A*算法的估价函数解释为一个与时间相关的函数,通过比较规定到达时间与预测到达时间之间的差值,确定出将要优先扩展的节点,并通过航程调节和速度控制来减小时间误差.提出的四维航迹算法在算例中实现,实验结果表明飞行器可以按规定的时间到达目标.     

多飞行器协同轨迹优化设计

针对多飞行器协同轨迹约束多、耦合强的复杂多目标优化与决策问题,对多飞行器协同轨迹优化进行了较为系统的研究。首先,对多飞行器协同轨迹优化进行了数学描述和对多飞行器在未知环境下的航迹规划进行了数学建模;其次,提出了多飞行器协同任务规划系统优化设计的数值算法,其主要包括多飞行器协同任务分配算法与飞行器最优航迹规划;最后,基于以上的研究,对3种典型不同情况下的多飞行器协同轨迹优化进行了飞行数值仿真与分析。该算法具有以下特性:全局一体优化、采用最优的多维策略、实时在线性、高精度、能够考虑各种随机干扰的作用等。     

基于自由空间法的航迹规划方法

针对无人飞行器的海上航迹规划问题,提出了一种基于自由空间法的规划方法。该方法首先对规划空间进行单元分解后,搜索给定的起始单元到目标单元所有的连通分支,将规划空间进行通道划分,然后在每个通道内采用规划算法进行航迹规划,该通道的划分既可应用于多航迹的协同规划,也可求出单航迹的最优航迹。实验结果表明,该方法可用于无人飞行器的海上航迹规划。     

基于辅助制导的无人飞行器有向航迹网络图设计

基于辅助制导的无人飞行器多航迹规划是现今航迹规划的主流研究方向之一。飞行器规划空间广,规划过程耗时长,如何提高航迹规划的速度是一个急待解决的问题。因此,提出了一种在预处理过程中生成的、满足战场环境和基于辅助制导无人飞行器飞行特性的有向航迹网络图。该网络图适用于基于辅助制导的无人飞行器多航迹快速规划,使用数据库存储和管理,具有整体数据结构化、易扩充、占用内存资源小、可大大缩短规划时间等优点。     

基于K均值聚类和遗传算法的多航迹规划方法

提出了一种在未知动态环境中利用K均值聚类和遗传算法的飞行器多航迹规划方法。针对飞行器在动态环境下需要调整飞行航迹的问题,该方法可以规划出多条可供选择的航迹,使飞行器能在障碍和威胁等环境发生变化时选择可行的飞行线路。实验结果表明,该方法能有效地完成多条航迹的规划,获得满足要求的多条飞行航迹。     

Heuristic algorithms for routing yard‐side equipment for minimizing loading times in container terminals

This paper discusses a method of routing yard‐side equipment during loading operations in container terminals. Both the route of yard‐side equipment (such as transfer cranes or straddle carriers) and the number of containers picked up at each yard‐bay is determined simultaneously. The objective of the problem in this paper is to minimize the total container‐handling time in a yard. The size of the search space can be greatly reduced by utilizing inherent properties of the optimal solution. An encoding method is introduced to represent solutions in the search space. A genetic algorithm and a beam search algorithm are suggested to solve the above problem. Numerical experiments have been conducted to compare the performances of the proposed heuristic algorithms against each other and against that of the optimal solution. © 2003 Wiley Periodicals, Inc. Naval Research Logistics 50: 498–514, 2003     

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义.分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法.在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难.在HTNP中引入目标协调机制、禁忌表等,将原有"离线"式方法变为"在线"式方法,提高了方法的适应性能.可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度.     

面向多最优解组合优化问题的决策求解算法

针对具有固定物品总和、多最优解特征的组合优化问题,以固定总和实数子集问题和购买鸡翅问题为例,给出了这类多最优解组合优化问题的形式化表示。在分析枚举等经典算法基础上,提出了基于整数状态表示和实数状态表示的0-1决策递归搜索多最优解动态规划算法。针对该算法在最优解数量较大时,时间复杂度趋向O(mⁿ)的问题,提出了基于相同决策路径合并和基于0-x决策的两种改进算法。实验中两种改进算法的计算时间基本符合与O(nb+nm)的正比关系,表明对于这类多最优解组合优化问题具有良好的求解性能。     

基于改进遗传算法的反舰导弹航路规划模型研究

针对传统遗传算法在进行复杂的大范围优化问题时容易陷入局部最优和收敛速度慢的局限,提出采用基于混沌的遗传算法进行反舰导弹航路优化问题的求解。在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法的上述局限性。     

坦克实体智能机动路径模型

根据坦克机动作战的一般原则,首先对影响坦克实体机动的因素进行了分析和合理的假设;充分考虑战术模拟中的实际情况,将数字地图中各点间的空间距离转化为以各点间机动时间为权边的网图,通过求任意两点间的最短距离的方法,建立坦克实体机动最短时间路径的数学模型。并给出了人工智能算法,把问题求解过程简化,从而解决战术模拟系统中智能机动中的路径选择问题。     

基于遗传算法的多目标虚拟装配路径规划

针对以往求解路径规划问题中以路径最短为目标的局限性以及随机选取初始路径的缺陷,引入合适的目标函数和遗传算子,提出了一种基于遗传算法的多目标虚拟装配路径规划方法,利用大范围初始化的方式产生具有代表性的初始群体,设计了具有启发作用、适合路径规划的遗传算子,能够同时得到不同特点的多条路径,优化了装配路径.     

基于A*算法的实时航迹规划方法研究

根据巡航导弹实时航迹规划时效性强、弹载计算设备的运算速度和内存容量有限等特点,将巡航导弹的机动性能约束与规划空间的划分结合起来,构造了一个较小的搜索空间,然后在此缩小了的搜索空间内利用A*算法具有的启发式特点,可在有效时间内搜索到满足要求的可行航迹.最后,通过一个例子对A*算法进行了验证.     

自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

基于优化遗传算法的软硬件划分方法

针对软硬件划分问题,研究了一种优化的遗传算法,提出硬件倾向度的概念,用于遗传算法初始群体的生成,减少了初始解的随机性和搜索的盲目性;在遗传算法过程中,使交叉变异概率随着遗传过程由大变小,保证早期具有较大的搜索空间,后期又能保留较好的解,使用动态结束条件自适应结束遗传算法。与对比算法相比,该算法的效率较高,且在大规模问题求解上能够获得更优解。