基于逆向强化学习的舰载机甲板调度优化方案生成方法

针对计算机辅助指挥调度舰载机甲板作业的决策过程无法脱离人参与这一特点,引入基于逆向学习的强化学习方法,将指挥员或专家的演示作为学习对象,通过分析舰载机的甲板活动,建立舰载机甲板调度的马尔可夫决策模型(MDP)框架;经线性近似,采用逆向学习方法计算得到回报函数,从而能够通过强化学习方法得到智能优化策略,生成舰载机甲板调度方案。经仿真实验验证,本文所提方法能够较好地学习专家演示,结果符合调度方案优化需求,为形成辅助决策提供了基础。     

基于Legendre伪谱法的UGV避障路径规划

针对传统优化方法不易解决含有复杂动力学约束的路径规划问题,提出利用勒让德伪谱法(Legendre Pseudospectral Method,LPM)对地面无人驾驶器(unmanned ground vehicle,UGV)的避障路径规划进行研究。通过建立UGV的动力学模型和障碍物模型,整合了基于LPM的路径约束条件。最后应用以LPM为基础开发的MATLAB插件包DIDO,计算得出了优化路径。仿真实验中以UGV移动路径规划为例,设计实现了UGV的避障规划。仿真结果表明此方法具有较快的计算速度和准确性。     

舰载机甲板布列调运优化方法研究

通过分析美军现代航空母舰的布列调运方式和发展趋势,发现舰载机的甲板作业调度、停放布列和移动调运是影响舰载机布列调运优化和提高舰载机出动能力的重要方面。针对这些方面的主要特点,采用动态调度方法、空间布局仿真和路径规划方法进行研究能更好地得到布列调运优化效果。据此基本思想,着重从美军航母甲板管理方式、空间布局、路径规划以及甲板作业调度几个方面阐述舰载机布列调运的研究现状,最后对舰载机布列调运优化未来的研究方向进行了展望。