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。     

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。     

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。     

基于维特比算法的无人机航路规划

提出采用隐马可夫模型(HMM)建立无人机飞行中威胁评估模型,利用HMM中维特比(Viterbi)算法实现了对威胁评估,确定无人机飞行中的航路;提出采用快速排序算法改进Viterbi算法的效率;采用三次样条插值修正航路点附近过大尖角。仿真表明：具有自主学习的Viterbi算法可以有效地完成无人机航路规划,改进算法可以更有...     

基于多种群合作演化的无人机协同侦察任务规划研究

为了提高时空域上对无人机协同侦察任务规划的效率,提出一种基于多种群合作演化遗传算法的任务规划模型。该模型建立了无人机协同侦察任务规划问题的分层描述,并将多种群合作演化遗传算法引入对模型的求解,设计了全局与局部搜索流程,交叉变异和合作演化等算法（子）,并给出了详细求解步骤。仿真结果表明,所提模型及算法与单种群搜索算法相比,在任务处置效益、任务潜力效益、时间成本效益等方面均有提升。     

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。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

改进粒子群算法在移动机器人路径规划中的应用

针对机器人路径规划的复杂性和粒子群算法搜索后期易陷入停滞的缺陷,把差分进化算法引入到粒子群算法中,提出了改进粒子群算法的移动机器人路径规划方案。当粒子群算法出现停滞时,通过引入差分进化算法来动态调整变异概率和缩放因子,增加种群中个体的多样性,扩大算法的搜索范围,避免局部最优路径的产生。通过仿真实验,验证了所提方案的有效性和可行性。     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

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.     

引入优化算子的无人机遗传航路规划算法研究

在大范围真实地形环境中规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机(UAV)的武器系统性能有重要意义。在基于直接航路编码的遗传算法中引入优化操作算子,将复杂约束合理地应用于遗传进化过程,可以较好地克服一般遗传操作的不足。采用均匀设计的试验方法确定较优的控制参数,并通过算例验证了算法的有效性。     

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。     

攻击型无人机协同侦察/压制路径规划方法

探讨了攻击型无人机多机系统协同侦察/压制航路规划问题.通过分析问题的实质,建立了4个子问题的数学模型.首先给出了求解一路巡弋飞行时最短航路,并易于计算机实现的解法,该解法同样适用于其他子问题的求解,然后按照原问题的不同要求,分别给出了其他问题的解答.结果表明,该算法能有效求解多无人机组、多航路点协同巡弋飞行问题,对实际作战中充分利用无人机资源,提高无人机机群的作战效能,具有实际意义.     

基于改进布谷鸟搜索算法的多传感器调度方法

针对以往战场环境中目标跟踪背景下多传感器调度算法收敛性差、求解精度低的问题,在CS算法(布谷鸟搜索算法)的基础上,提出了一种基于差分进化的布谷鸟搜索算法.在跟踪目标模型的基础上,以跟踪精度、任务完成率以及传感器资源能源消耗为指标,建立多传感器调度模型;借鉴差分进化思想,对布谷鸟搜索算法进行改进;利用改进后的布谷鸟搜索算法(DE-CS算法)求解传感器调度模型.将DE-CS算法与基础CS算法进行仿真比较,仿真结果表明,改进后的算法在收敛速度和精度方面都得到了有效改善,证明改进后的算法有较好的求解质量.     

保障时间不确定情况下的舰载机航保资源调度

航空母舰舰载机保障环境多变,导致航保资源的保障时间不确定,采用区间数的方法表示保障时间,建立了基于保障时间为区间数的调度模型。根据问题的特点,定义了4种区间数排序规则,并且在模型求解时,直接采用区间数计算。针对调度模型,提出了一种改进的差分进化算法,采用短用时和负载均衡策略以及随机生成的方法初始化编码,解码采取活动调度,改进变异规则,最后通过实验验证了模型和算法的正确性及有效性。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

基于协同进化的多平台联合对地观测优化调度

在分析了卫星与无人机在执行观测与资源调度上的特性差异基础上,建立了多平台联合对地观测调度问题的数学模型,提出了多平台协同进化调度算法(MPCCPSA)进行求解。MPCCPSA采用分层式协同进化架构解决了不同类型观测方案统一调度生成问题。根据不同类型平台使用特性以及观测目标集合特点,采用分治-合作策略将其分解分配到各平台,顶层的交叉、变异操作保证各种群的多样性,底层的分治、合作算子保证卫星与无人机之间保持观测能力动态互补,在确保可行解的前提下加快收敛速度。仿真实验表明该方法能够有效解决空-天基多类型平台联合观测优化调度问题。     

基于改进遗传算法的多无人机航路规划方法

在分析多无人侦察机任务需求、限制以及特性等要素基础上,建立了多无人机航路规划优化模型。以航程作为性能指标,将多无人机侦察多目标航路规划转化为多旅行商问题。通过对多旅行商问题特点分析,采用遗传算法基本思想,对编码和适应度函数以及操作算子进行合理设计,并改进了交叉和变异操作算子以取得更好优化结果。仿真结果表明所提算法的合理性和有效性。     

新混合智能计算法在 UCAV 航路规划中的应用

无人作战飞机(UCAV)出航执行对地攻击(或侦察)任务,若事先针对敌方防御区内的威胁部署和目标的分布情况,就飞行航路进行整体规划设计,则可以综合减小被敌方发现和反击的可能性,最大限度地降低耗油量,从而显著提高其执行任务的成功率.在对进化算法研究的基础上.将用于解决旅行商问题(TSP)的进化算法加以改进,引入优秀个体保护法和模拟退火的策略思想,借以克服进化算法固有的易陷于局部最优的早熟现象,然后运用于UCAV的航路规划.实验结果表明,改进的混合智能计算方法简易而有效,寻优效果明显优于常规进化算法,规划出的航路能够满足UCAV飞行任务规划的综合需要.