基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

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。     

基于改进快速扩展随机树的机械臂路径规划

针对机械臂路径规划问题,提出一种基于改进RRT算法的路径规划方法。改进RRT结合了目标偏置策略和贪婪生长策略的优点,在随机采样时,以一定概率使采样点偏置为目标节点,降低随机采样的盲目性,在目标节点方向上采用贪婪式扩展策略,增加随机树局部方向上的生长速度。RRT法规划路径结果并非最优,提出改进GPP法删除多余路径节点,优化机械臂运动路径。通过与Biased-RRT和Greedy-RRT数值仿真结果对比,证明了改进RRT在计算时间、迭代次数、扩展节点数上均优于以上方法。在机械臂两种典型工作环境中的仿真结果表明,使用该方法可以较好解决排爆机械臂避障路径规划问题。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

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PH曲线的无人机路径规划方法

快速而有效的航路规划是无人机执行作战任务的基础。针对现有Pythagorean Hodograph(PH)曲线路径规划方法中仅对一条路径曲线进行优化问题存在的不足,提出一种基于改进PH曲线的多段路径的组合规划方法。该方法通过建立选择策略,改进多段PH路径合成方法,有效利用了PH曲线的曲率连续性和精确性,结合贪心算法的快速寻优特性,可以快速得到满足安全性、曲线连续和曲率连续的最优PH路径。仿真结果表明了该方法的合理性和有效性。     

基于蚁群算法的装备保障路径规划模型

现代战争中装备保障路径规划中路径网络节点多和要优化的制约因素等问题成为装备保障仿真的难点,传统的蚁群算法寻找最优解,往往找不到满意的解。为了提高寻优效率,尽量减少装备保障中待保障装备战斗力恢复等待总时间,对基本蚁群算法进行改进。首先建立装备保障路径规划模型,然后基于基本蚁群算法,重新设计了启发信息的计算方法和信息素的更新函数,对路径节点的选择方法进行改进,最后通过一个具体的装备保障路径规划问题对传统的和改进的算法进行算例分析。计算结果表明,所采用的改进的蚁群算法可以更好地解决装备保障路径规划问题,有效减少待保障装备恢复战斗力之前等待的时间和保障分队经过的总路程。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。     

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.     

基于DDPG的无人机路径规划

针对无人机路径规划中传统算法面对未知情况时适应程度低、在线求解效率低、计算量大等问题,基于深度强化学习DDPG算法,提出了一种无人机路径规划方法.采用策略网络和评价网络的双网络结构,拟合无人机路径规 划决策函数和状态动作函数,根据状态空间、动作空间和网络结构设计了 DDPG算法模型.通过仿真验证了所提出的路径规划方法的...     

基于改进A星算法对自动导引小车路径规划研究

路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A星算法的自动导引小车动态路径规划算法.针对地图建模繁琐复杂的问题,在A星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A星算法无法处理动态规划问题,结合了D星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物.针对上述改进,利用MATLAB GUI开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题.     

基于可视图和几何逼近算法的避障路径动态规划研究

为了满足实时仿真的需求,CGF装甲车和武装直升机等的路径规划问题都可以简化成二维平面中的路径规划问题.研究了二维平面中路径规划的核心问题--避障路径规划问题.首先以可视图法所建的求解环境为基础,将避障路径规划转化为一个多阶段决策问题,对于每一个阶段的子问题,应用改进可视图法和几何逼近算法进行求解,得出各阶段的最短路径,最后对避障路径规划进行动态规划求解.     

舰艇CGF搜潜过程马氏决策规划模型

舰艇搜索潜艇的过程可以近似地看作一种马尔可夫过程.研究了潜艇训练仿真系统中舰艇CGF(计算机生成兵力)搜索潜艇过程中的状态转移过程和随机搜索发现目标的概率模型,将舰艇CGF搜索潜艇的过程分为若干独立的阶段,建立了搜潜过程马氏决策规划模型,提出了在各种不同初始搜索状态下的舰艇搜索策略.仿真结果给出了舰艇CGF的最优搜索策略集合和发现概率,验证了马氏决策规划模型的有效性.     

蚁群遗传融合算法在移动机器人路径规划中的应用

针对移动机器人路径规划的特点,把智能算法引入到机器人路径规划中。而单一蚁群算法和遗传算法,存在收敛速度慢、效率低或容易陷入局部最优等缺陷,对蚁群算法进行改进,提出一种改进蚁群遗传算法的融合方案,并把该方案应用到移动机器人路径规划中,在栅格环境下进行仿真测试,仿真结果表明该方案能有效提高最优路径的搜索效率,整体性能优于蚁群或遗传单一智能算法。     

基于抽象隐马尔可夫模型的CGF路径规划识别

路径规划识别是一种以位置信息为输入的在线识别。为了使CGF能在仿真中识别对手的路径和终点目标,在分析路径规划层次的基础上引入了抽象隐马尔可夫模型的识别框架。针对标准模型在对手更改终点目标和自上而下规划时无法识别的问题,提出了一种顶层策略可变的抽象隐马尔可夫模型。为模型的顶层策略增加初始分布和策略终止变量,更改了策略终止变量间的依赖关系,使下层策略能被强制终止。给出了改进后DBN结构,并通过推导条件概率更新和RB变量抽样流程实现了模型的近似推理。仿真实验表明,改进模型能准确识别给定环境下的各类典型航迹,不仅在终点目标不变时能较好地维持标准模型的识别准确率,在提供足够的观测数据后还能很好地解决变目标识别问题。     

虚拟人手臂操控规划路径优化算法研究

针对狭窄通道中虚拟人手臂操控可拆卸单元的运动路径质量较低的问题,提出了一种约束条件下高维空间中的路径优化算法。该算法采用双向增量扩展RRT算法并结合虚拟人手臂的前向运动学策略快速规划一条初始路径。在运用修剪算法移除冗余位姿点的基础上,以一定的步长进行线性插补使路径有效,然后设计了一种位姿点间隙增大算法来增大路径间隙,并通过路径修正来保证其有效性。迭代运行位姿点间隙增大算法和路径修正可使路径间隙持续增大。仿真实验表明:路径优化算法能够规划出狭窄通道中虚拟人手臂操控规划的高质量路径。     

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.     

潜艇适航性监测的卡尔曼滤波器异常数据修正方法

结合潜艇适航性变量监测问题,研究了卡尔曼滤波器的原理和异常行为检测,分析了异常数据对卡尔曼滤波器影响,并通过新息分析和过程信号引入不确定性,给出了一种对异常数据进行剔除并对滤波器进行修正的方法.对潜艇适航性中的横摇进行了数值仿真,给出了经典卡尔曼滤波与改进卡尔曼滤波的对比仿真结果.仿真结果表明:采用改进算法处理,可以有...     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

基于最优控制的翼伞路径规划

提出了一种基于最优控制的翼伞路径规划方法。该方法以提高落点精度和减少操纵量为目标,将翼伞的轨迹优化问题转变为参数优化问题,并运用改进的粒子群优化算法进行了有效的求解,得到了基于最优控制的翼伞路径规划的近似最优解。为了验证该方法的可行性,在仿真环境中同时使用了传统分段控制方法和最优控制方法。归航的计算机仿真结果表明,基于最优控制的翼伞路径规划方法提高了落点的位置精度和方向精度,同时减少了操纵量。