最佳行军路线的选择

本文探讨了最佳行军路线的选择问题.     

基于突防网格模型的动态航迹规划

首先以地形环境数据为基础,建立了综合地形因素、山峰障碍、攻击威胁等为一体的突防网格模型,然后研究建立了基于动态规划算法的航迹规划系统,使低空飞行器不仅能够回避现有的复杂地形、地貌、障碍和攻击威胁等众多因素,而且能实时接收指控系统的命令,对突然来袭的威胁等作出反应,进而重新规划航迹.经仿真试验验证了该系统能够完成预定的飞行任务,具有很好的实用性.     

一种航线规划算法应用

主要探讨在舰载机的反舰突击作战中,如何利用A*(读做A Star)算法在航线规划中进行最优航线选择。在想定条件下,利用A*算法为红方的突击群兵力规划一条威胁最小的突击航线,并在假设数据条件下,通过Matlab对算法的实现,给出相应的突击航线。     

飞行器航路规划算法分析

针对现代军用飞行器任务规划系统航路规划的特点,分析了飞行器航路规划的基本要求,阐述了目前国内外应用和研究的几种航路规划算法:A*搜索算法、遗传算法、粒子群算法、数学规划算法、电势理论法等,并对飞行器航路规划算法的发展趋势进行了展望.     

蚁群算法的路径规划改进策略

研究了潜艇路径规划问题,基于遗传算法变异策略,提出了针对蚁群算法路径规划问题的改进策略,分别以威胁概率和路径长度作为代价指标构建了仿真分析。仿真结果表明,改进的算法从算法收敛速度和收敛性较改进之前更具优势,研究成果可为潜艇路径规划问题提供解决方法和途径。     

无人机航迹规划常用算法

无人机航迹规划是实现无人机自主飞行的关键技术保障,航迹规划算法则是航迹规划的核心。首先介绍无人机航迹规划的相关理论,其次分析归纳了当前常用的航迹规划算法,最后阐述了航迹规划所面临的挑战及其发展方向。     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

基于分组优化改进粒子群算法的无人机三维路径规划

针对粒子群算法在解决三维路径规划问题中遇到的过早成熟、陷入局部最优等问题,借鉴鸡群算法中的分组优化策略,对粒子群算法中的粒子进行分组处理,并在小组粒子更新时采取模拟退火操作,提高了粒子群算法的局部搜索能力,有效避免了陷入局部最优和早熟的现象。利用MATLAB进行实验仿真,验证了使用鸡群分组优化策略和模拟退火操作改进后的粒子群算法在解决无人机三维路径规划问题上的可行性和有效性,实验结果表明,改进后的算法具有更强的局部搜索能力且规划的航迹稳定性更好。     

基于模拟退火和共同进化算法的协同航路规划

针对多飞行器协同作战的协同航路设计问题,提出了一种基于模拟退火和共同进化算法的协同航路规划,建立了基于共同进化计算的航路规划问题模型和相应的适应度函数.算法利用极坐标表示每个飞行器的航路点,缩短了染色体编码长度,提高了优化效率,并将模拟退火的Boltzmann接受机制引入共同进化算法,对共同进化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.     

战场环境下巡航导弹低空突防航迹判断研究

抗击巡航导弹(CM)是地面防空兵部队面临的一项重要任务,而准确判断巡航导弹的进袭航线是地面防空兵部队合理调整战斗部署、组织侦察射击的重要依据。通过对巡航导弹战场环境建模,建立巡航导弹战场环境的Voronoi图,并进行了基于不同威胁体的改进,在计算分段航线上巡航导弹的突防概率基础上,用模糊最大树法判断敌巡航导弹最/次可能的来袭航路,从而为后续的地面防空兵兵力部署提供了依据。     

基于改进蚁群算法的战时不确定性路径规划模型求解

战时路径规划的不确定性包括参数、约束条件和决策目标等的不确定性。以基本蚁群算法为基础，结合随机模拟和模糊模拟技术，提出了一种改进蚁群算法来求解战时不确定性路径规划问题，并通过仿真示例与其他算法进行了比较。结果表明：该算法求解效率更高，求解过程更为直观，能够满足战时不确定性路径规划问题的研究。     

基于改进粒子群算法的单预警机动态航迹规划

现代战争的战场环境复杂多变,要求预警机必须在执行任务过程中根据临时获取的战场信息进行实时动态航迹规划,因此动态航迹规划具有更强的实战意义。基于此,首先分析了预警机航迹规划与目前研究的飞行器航迹规划的不同,指出目前研究的静态航迹规划方法不能满足动态规划的实时性要求;其次,对影响预警机动态航迹规划的主要因素进行数学建模后得出代价函数;然后,基于改进粒子群优化算法对其进行动态航迹寻优;最后,通过matlab仿真证明了设计的方法能够自动进行动态航迹规划和评价选优,同时能够满足实时性要求。     

数据链规划问题的贪心算法

数据链是一种汇集通信、导航和识别的综合化战场信息系统。为了保证在960～1215MHz频段工作的各类设备的电磁兼容,数据链的使用必须符合操作约束和协调约束,必须在满足各类约束条件下,根据数据链的作战需求实现网络规划。首先分析了数据链存在的典型约束,在此基础上对数据链规划问题建模并提出了一种数据链规划的贪心算法,算法较好地解决了数据链规划问题。     

变量有界线性目标规划的对偶算法

本文讨论了变量有界的线性目标规划问题,给出了求解这类问题的一个对偶算法,此方法与变量有界线性规划问题的对偶算法相类似。文中证明了算法的有效性,并举例说明了计算过程。     

飞行器突发威胁下的智能自主航路规划技术

为了解决突发威胁情况下无人作战飞行器的智能自主航路规划问题,应用变结构自适应参数离散动态贝叶斯网络进行突发威胁时飞行器的突防方向进行选择,给出了模型的建立方法和参数的自适应产生方法,并将类爬山快速搜索算法应用于飞行器改变飞行路径的情况下的实时航路规划,并进行了仿真。仿真结果表明,该方法能够满足飞行器突发威胁下的实时规避威胁和实时航路重规划的要求。     

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.     

基于Dijkstra算法的水平航迹规划

战术飞行任务的航迹规划是依靠地形信息和敌情信息,在某些约束条件下,找出作战飞机从起飞点到目标突防生存概率最大、航程最短的飞行轨迹的过程。采用简易方法建立了威胁模型,用Dijkstra算法实现了作战飞机整体最优水平航迹解算,并给出了具体算例,验证了算法的有效性和实用性。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

基于通行性分析的分层越野路径规划方法

面向陆战场兵力机动过程中存在的大范围地域越野路径规划需求,研究并设计了基于通行性分析的分层越野路径规划方法。该方法聚焦大范围地域路径规划效率和可行性,提出一种分层规划方法,通过构建两种不同分辨率的地图栅格实现分层路径规划,并结合地表覆盖和地表粗糙度进行区域通行性分析,针对性构建了A*算法的估价函数。仿真实验结果表明,该路径规划方法能够有效提升算法效率,越野路径规划结果合理可行。