多基地多目标无人机协同任务规划算法研究

在多基地多目标多无人飞行器(unmanned aerial vehicle,UAV)的协同任务规划这类约束条件众多、复杂且耦合的多目标优化与决策问题中,利用传统的粒子群优化算法在寻优时容易陷入局部最优,为此,提出了一种基于模拟退火的混合粒子群算法。基于攻打任务背景,综合考虑无人机的物理性能约束,搭建航迹长度最小适应度函数和威胁代价最小适应度函数以构造目标函数,先利用Voronoi图以及Dijkstra算法进行航迹规划,再利用基于模拟退火的混合粒子群算法进行任务分配。仿真结果表明:所提算法融合了模拟退火算法、粒子群优化算法的优点,能快速求解UAV任务规划的近似最优解,且与粒子群优化算法和模拟退火算法相比,在进化次数足够多的情况下该方法得到的结果更优。     

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。     

带时间窗的多无人机航迹规划两阶段启发式算法

带时间窗的多无人机(Unmanned Aerial Vehicles,简称UAV)航迹规划问题是一类重要的NP-Hard问题,相关启发式算法研究一直是该问题的研究重点和难点。建立了问题的UAV流模型,并提出了一种两阶段启发式算法用于问题求解。算法的第一阶段提出了一种基于"最迟完成服务优先"规则的航迹构造算法,用于获取问题的初始解;第二阶段利用模拟退火算法对初始解进行改进。最后基于Solomon Benchmark数据集对算法进行了测试,实验结果表明该启发式算法可以有效地求解带时间窗的多UAV航迹规划问题。     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进,并实施了最优保留策略,形成了改进遗传模拟退火算法.以突击效果最大化和兵力损失最小化为目标函数,以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件,建立了空袭兵力分配及优化模型.在考虑兵力分配模型特点的基础上,利用改进遗传模拟退火算法求解.通过与多目标数学规划和标准遗传算法优化进行的比较表明,该方法能够有效地解决带约束的多目标优化问题.     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.     

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。     

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。     

突发威胁下的无人机动态航迹规划研究

针对突发威胁下无人机动态航迹规划的问题,提出了一种避开突发威胁的动态规划算法。利用A*算法生成全局最优航迹并进行平滑处理。当遇到突发威胁时,利用三次样条的二阶连续性及边界条件进行局部航迹规划,能够生成一簇候选路径,根据候选路径中心线与突发威胁中心线之间的夹角对候选路径簇进行旋转调整,使其路径簇完全包围突发威胁且具有对称性。最后综合考虑安全性、平滑性和连贯性的3种代价函数,建立总代价函数,选择出最佳的规避威胁航迹。实验结果表明,该算法能够在众多候选路径中选择出一条完全避开障碍安全平滑的较优航迹,且耗时短,实时性较强。     

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。     

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.     

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。     

基于遗传算法反舰导弹航路规划研究

航路规划作为提高反舰导弹作战能力的重要措施,目前正逐渐被反舰导弹所应用。结合反舰导弹自控飞行特点,系统分析航路规划过程中各个航路点的约束条件,并运用遗传算法进行数学建模和计算机编程,顺利实施了导弹航路的最优求解和航路的自动标绘,为指挥员实施导弹攻击提供辅助决策。     

武器-目标分配问题的贪心模拟退火算法

针对已有算法解决WTA问题时存在的缺点,提出将贪心机制应用于模拟退火算法解决该问题的思路,即贪心模拟退火算法;通过合理设置模拟退火算法中冷却进度表的各项参数,提高最优解的质量和求解效率。通过在计算机上仿真运行多个战例取得了良好的分配效果,结果表明该算法运算速度较快,结果精度较高,可为作战指挥自动化决策提供科学、有效的支持。     

巡航导弹航迹规划中雷达探测盲区的快速构造算法

现代防空系统对巡航导弹的低空飞行和突防造成极大的威胁,利用防空系统中预警雷达的探测盲区进行隐蔽飞行是提高巡航导弹生存能力的重要手段,在此雷达探测盲区的快速构造算法是关键。说明了什么是雷达探测盲区,分析了影响雷达探测盲区的三个主要因素,并就对巡航导弹影响最大的雷达地形遮蔽盲区构造了基于极坐标的快速算法,并用一个地形实例验证了该方法的有效性。     

Using hybrid metaheuristics for the one‐way and two‐way network design problem

A network with traffic between nodes is known. The links of the network can be designed either as two‐way links or as one‐way links in either direction. The problem is to find the best configuration of the network which minimizes total travel time for all users. Branch and bound optimal algorithms are practical only for small networks (up to 15 nodes). Effective simulated annealing and genetic algorithms are proposed for the solution of larger problems. Both the simulated annealing and the genetic algorithms propose innovative approaches. These innovative ideas can be used in the implementation of these heuristic algorithms for other problems as well. Additional tabu search iterations are applied on the best results obtained by these two procedures. The special genetic algorithm was found to be the best for solving a set of test problems. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 449–463, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/nav.10026     

基于规则控制的快速高度跟踪算法

提出一种全新的基于模糊推理与规则控制的高度跟踪算法。这种算法无论是在跟踪效果与运算速度上都大大优于以往的最速下降法、动态规划法、最优控制法等,而且可以对最大俯仰角、最大可用过载、希望跟踪程度等跟踪参数进行随意设定。大量的仿真计算证明,该算法具有很好的实时性、收敛性及可扩展性。可以极大地减轻对地攻击低空轨迹规划的工作,对巡航导弹、无人机更具应用价值     

基于遗传模拟退火算法的OFDMA系统资源分配

针对多用户OFDMA系统,提出了一种基于遗传模拟退火算法的多用户OFDMA系统资源分配策略。在资源分配时,首先假设总功率在载波间均等分配,随后根据比例速率要求确定每个用户需要的子带数,最后引入遗传模拟退火算法求解联合优化中的子带分配,在保证用户间公平性的前提下最大化系统吞吐量。仿真结果表明,该策略系统容量较大,并且近似满足了不同用户间传输速率比例性要求。     

满足大动压模拟要求的试验弹道优化设计

为了解决弹道导弹在高海拔发射场进行飞行试验时的大动压检验问题,提出一种模拟大动压条件的试验弹道设计方法。针对发射场的实际特点,建立残骸再入的动力学模型与落区边界模型;将大动压模拟条件转化为过程约束,提出一种主动段联合优化策略。基于自适应模拟退火算法,分别设计了三组满足不同大动压模拟条件和各项约束的试验弹道,并给出了对应的落区调整方案,验证了该方法的可行性。设计结果表明,最大动压主要出现在一级,一级最大负攻角增加,则最大动压也明显提高;同时调整发射方位角和二、三级程序角可以保证试验弹道满足弹头落点约束条件。     

两段探测目标的传感器任务调度问题0-1规划模型及算法

为解决指挥系统控制中的调度困难,研究了一类特殊的传感器资源调度问。主要分析了跟踪目标的探测次数、时间间隔和传感器资源等约束条件。用跟踪目标的重要程度之和作为目标函数,建立了一个0-1规划的数学模型,再利用变换将其转化为0-1线性整数规划模型。利用割平面法求解得出最优调度策略,其能在工作量饱和的情况下合理调度传感器资源。为提高求解速度,提出了对应的模拟退火算法。通过对一些不同规模实例的求解,在资源利用率和算法的求解速度等指标上,与割平面法及遗传算法进行对比分析,验证了模型的有效性和模拟退火算法求解的高效性。