基于改进蚁群算法的飞机航路规划研究

由于飞机在遂行作战任务时面临的飞行环境较为复杂,针对飞行区域内地形特征多样、威胁信息不确定的问题,提出了一种改进的蚁群算法,将飞行区域和威胁源映射到三维空间中以实现飞机规避威胁源的航路规划,该算法的特点主要是可变的搜索步长和信息素动态更新机制,设计了合理的启发值和适应度值计算方式,使规划出的航路能够利用地形优势隐蔽自身.仿真结果表明,该算法能够合理规划出满足飞行任务的航路,有效躲避威胁源.     

蚁群算法在无人机航路规划中的应用

蚂蚁算法是一种新的源于大自然生物界的仿生随机优化方法。吸收了昆虫中蚂蚁的行为特征,通过其内在的搜索机制,在一系列组合优化问题求解中取得了成效。将蚁群算法应用于无人机(UAV)航路规划,提出了一种适用于航路规划的优化方法,可以为在敌方防御区域内执行攻击任务的无人机规划设计出高效的飞行航路,保证无人机以最小的被发现概率及可接受航程到达目标点,提高了无人机作战任务的成功率。仿真结果初步表明该方法是一种有效的航路规划方法。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于目标点的反舰导弹航路规划方法

针对反舰导弹航路规划的作战需求,提出了一种简单的反舰导弹航路规划方法:构造对航路造成威胁的障碍物的外接三角形,结合导弹的性能限制,选择外接三角形的部分边作为规避该障碍的路径段,规避对航路有威胁的威胁区,进行直接以目标点为目的的搜索.仿真结果表明该算法较大地提高了航路规划效率.     

基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题，采用栅格化方法建立海洋环境模型，为使兵器在航行过程中能有效规避障碍并导向目标，提出一种人工势场力为启发因子的改进蚁群算法，利用该方法搜索远程水中兵器从起始点至目标点的最佳路径，算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失，但可以有效避免由于误差引起的航行安全问题，是一种有效的远程水中兵器航路规划方法。     

基于量子双向RRT算法的多平台反舰导弹协同航路规划

针对反舰导弹航路规划面临的动态威胁环境和多平台协同打击问题,提出了一种基于量子双向RRT算法的反舰导弹协同航路规划方法。采用动态坐标设置动态威胁,实时地避开动态威胁;通过取预规划终点方法,实现对目标的时间和空间协同打击;结合量子进化思想,将RRT算法中的扩展方向量子化表示,提出了一种量子双向RRT算法,并应用于航路规划。仿真结果表明,该方法可有效规避动态威胁和解决多平台反舰导弹航路规划的协同问题,并显著地改善了RRT算法的全局收敛性,得到了航程更短的航路。     

改进人工势场法与模拟退火算法的无人机航路规划

针对标准人工势场法应用于无人机航路规划存在的缺陷,建立了改进的人工势场模型:当航路点搜索陷入威胁区时,构造惩罚势函数并使用势场强度代替合力矢量控制进行路径规划,解决由于合力矢量为零引起的局部极小问题;利用模拟退火算法搜索威胁区内势场强度更小的点,使得航路点逃离威胁区,解决传统人工势场法中参数对搜索航路点逃离效果的影响;使用变步长法优化算法的收敛速度。仿真结果说明,该方法能够较好地实现无人机航路规划,且快速易行。     

基于遗传算法的自航水雷航路规划

自航水雷在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了自航水雷的作战效率.采用遗传算法进行自航水雷航路优化,算法利用极坐标描述威胁位置和航路点,将航路编码由二维缩减至一维,降低了搜索空间,提高了优化效率.对算法进行了相应的仿真,仿真结果表明,编码方式提高了优化效率,得到的航路有效地规避了威胁.     

基于多目标动态威胁的潜艇航路规划建模与求解

为增强航路规划算法的适用性,充分考虑潜艇面临的动态威胁,建立并求解了基于多目标动态威胁的潜艇航路规划模型.首先,介绍了微分对策的基本理论,指出其在处理航路规划问题方面的优越性;其次,引入了基于单目标威胁的航路规划模型,并采用微分对策对其进行了描述和求解;最后,在单目标威胁模型的基础上,推导了基于多目标动态威胁的潜艇航路规划模型,建立了对策的状态变量、控制变量及其约束、状态方程与微分对策模型,并给出了其微分对策的系统解.数值求解结果表明:该算法可较好地解决动态对抗问题,只需确定界栅和最优策略即可,同时该航路规划算法简便易行,具有较强的适用性.     

基于动态自适应蚁群算法的航线规划仿真

蚁群算法是一种新型的基于群体的仿生算法,其在解决飞机航线规划问题中已经获得了较为广泛的应用。在传统蚁群算法的基础上提出了一种动态自适应调整信息素蚁群算法的航线规划算法,即在航线点搜索过程中对信息素强度Q值进行动态自适应调整,并将三维地形、雷达威胁等因素结合到算法中。仿真结果表明,该改进算法能够有效解决扩大搜索空间和寻找最优解之间的矛盾,帮助飞行员更快地规划出一条最优航线,为更好完成作战任务奠定了良好的基础。     

VORONOI图的无人机航路快速初始规划

在分析VORONOI图的性质与威胁代价函数的基础上,针对航路的初始规划提出了一种先局部优化后进行全局优化的算法,从而避免在航路全局优化时陷入局部极小点的危险.通过对一个简单算例的分析,阐述了这种规划方法的合理性和快速性,给出了其对应的伪代码.它可对其他各种航路规划算法的边界条件进行初始预处理,快速确定初始可选航路集的解,缩短航路规划的时间;针对某阵地航路规划的仿真结果表明了该算法的有效性,初始的航路集有效地避开了威胁配置较密集的地方,同时尽量以较短的航路接近目标.     

基于变权重搜索策略无人机航路规划算法

通过对A*算法在路径规划中的应用进行研究,提出了一种新的三维航路动态规划方法,通过对搜索策略引入启发式权重系数,利用加权值自适应方法对算法的评价函数进行设计,改善了传统A*算法在大空间中搜索速度低的缺点,提高航迹点搜索效率,同时将无人机的约束条件有效分割到解空间,便于应用于工程实践。基于优化算法规划的最优航路,设计了导引控制律,使无人机很好地跟随规划的路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明:该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

基于PSO-Markov联合模型的无人机路径规划

利用PSO算法对无人机在侦查任务中的路径进行实时规划,将算法与地形、飞行角度、油量等约束条件结合起来,有效地缩减了搜索空间;同时为了在任务中能够更好地掌握无人机完成任务与生存的概率以及整个路径的代价,引入了一种可用于计算风险和评估任务威胁的生存性联合模型,该模型使用了八状态马尔科夫链来描述无人机的状态。仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,并以此对整个航路进行评估。     

飞行器突防航路规划与目标选择研究

复杂环境下的中低空飞行器航路规划和目标选择问题近年来受到了越来越多的关注.根据地面威胁分布情况,将飞行空域进行网格化处理,划设常规空域与威胁空域,并基于空间搜索算法规划中低空飞行器的飞行航路.为分析地面威胁目标在飞行器突防过程中的重要程度,通过节点移除法求解不同目标破击后带来的飞行代价变化.将飞行器突防过程中的航路规划与目标选择有机结合,为任务驱动的关键目标选择排序研究提供了有价值的参考.     

基本粒子群算法和遗传算法用于航路规划的比较

优化问题有两个主要问题：一是要求寻找全局最小点,二是要求有较高的收敛速度。遗传算法和粒子群算法作为启发式算法和群智能算法,因其良好的搜索性能而在飞行器航路规划中得到了广泛的应用。分析了两种算法各自的特点和相互之间的异同点,并在给定相同的作战环境和威胁空间条件下分别进行了航路规划仿真实验,实验结果表明基本粒子群算法在搜索...     

基于水下声场信息的三维航路规划研究

针对目前大规模水下复杂战场环境中的航路规划困难的问题。设计了一种以距离值传递法为基础的航路规划方法,该方法以水下声场为主要威胁源,运用三维抛物方程(PE)模型计算水下声场数据,并以此建立三维水下战场环境。利用限制线性八叉树的方法对数据场进行数据分割,从而达到对搜索空间的压缩,最后通过距离值传递法搜索得到最佳航路。仿真结果表明该方法较快的实现了三维声场环境下的不同起始点、多目标寻径,满足一定条件下航路规划要求。     

动态环境中无人作战飞机的滚动航路规划

提出了一种应对威胁环境信息动态变化的滚动航路规划方法。借鉴预测控制滚动优化理论,研究了航路的规划过程和滚动窗口内局部子目标与局部子规划,描述了算法步骤,讨论了算法收敛性。该算法不仅适用于二维空间或三维空间的实时滚动规划,而且还可以扩展成为一种针对动态环境和移动目标通用的模型框架。仿真结果表明,算法能够找到一条满足约束、整体较优的可行航路。     

基于进化算法的雷达对抗侦察无人机航路规划

雷达对抗侦察无人机在执行任务前要根据战场环境预先规划好最优路径。全面考虑战场环境威胁约束、机动性能约束和侦察任务约束,综合轮盘法、最优保存策略和6种进化算子形成进化算法,并对航路规划问题进行求解。仿真结果表明,利用约束量化方法和进化算法对雷达对抗侦察无人机进行航路规划是可行的。     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

面向机动威胁单目标定性微分对策的航路重规划

航迹规划是飞行器规划系统的一个重要子任务.针对具有主动性而非纯粹动态的敌方威胁类型,以单目标定性微分对策解决航路的动态重规划问题.在假设对静态威胁的参考航迹和安全走廊已预规划确定基础上,构建了基于单目标定性微分对策面向主动威胁安全走廊内飞行器航路对策的数学模型,并对航路的单目标定性微分对策系统进行了求解.