基于A*算法的坦克CGF全局路径规划

提出了一种应用A*启发式搜索算法对虚拟战场中坦克CGF(Computer Generated Forces)实体进行全局路径规划的方法,同时对A*算法进行了改进,利用二叉堆的结构组织OPEN表,大大加速了A*算法的搜索效率。所提方法可以处理较大规模的战场地形,具有较高的效率。     

基于A~*算法的虚拟士兵城市作战路径规划

针对虚拟士兵在城市作战仿真领域的需求,重点研究了虚拟士兵在城市环境中路径规划问题。通过对三维城市虚拟环境空间进行分层信息处理,生成虚拟士兵能够感知的虚拟信息层。用A*算法求出虚拟士兵从初始位置到达目标位置的最佳路径,并给出算法的具体设计与实现。     

基于A*算法的无人机地面目标跟踪

提出一种在威胁环境下应用A*算法进行目标跟踪的方法。为了简化模型和便于分析,主要考虑地形和雷达威胁。在考虑了雷达盲区的安全区域内,利用目标的实时信息和改进后的A*算法对无人机航迹进行规划,以达到跟踪地面移动目标的目的。仿真结果表明,所提出的方法可以很好地实现目标跟踪。     

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。     

基于A*算法的四维实时航迹规划算法

飞行器在飞行过程中接到攻击时间敏感目标的指令时,时间因素必须被考虑,这时飞行器就要规划出四维航迹.利用A*算法的特点,将A*算法的估价函数解释为一个与时间相关的函数,通过比较规定到达时间与预测到达时间之间的差值,确定出将要优先扩展的节点,并通过航程调节和速度控制来减小时间误差.提出的四维航迹算法在算例中实现,实验结果表明飞行器可以按规定的时间到达目标.     

基于动态规划算法的多无人机多目标协同侦察路径规划

研究了在规定的时间范围内,在满足侦察频次及时间间隔等约束条件下,多种类型的无人机协同完成对多种类型目标的侦察任务的路径规划问题。采用动态规划思想,将该问题转化为寻找满足约束条件的、能够覆盖最大数量目标的、个数最少的哈密顿回路问题,建立了动态规划算法的数学模型。在算法的执行过程中,设置了多个可调节的参数以及多种回退条件,使算法具有了类似于智能算法的较强的灵活性,且不易出现智能算法无解或陷入局部最优解的状况,提高了求解的效率与精度,并且通过模拟实例验证了该算法的有效性。     

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.     

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.     

基于边缘提取的无人机航路规划方法

提出了一种基于数字形态学边缘提取算法的无人机航路规划方法,重点在于解决基于真实地形数据和存在不规则火力威胁区进行快速规划时初始路径规划空间的确定方法.仿真结果表明,该方法生成的初始路径规划空间小,当火力威胁态势改变时,重规划时间短,易于实现.     

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.     

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...     

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。     

改进蚁群算法的无人机航路规划

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,其正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,在解决组合优化问题上有着良好的适应性.基于两种改进蚁群算法,分别将遗传算法的交叉操作和Dijkstra算法结合到蚁群系统的无人作战飞机航路寻优过程中,使无人作战飞机以最小的发现概率与可接受的航程到达目标点,并提高了无人作战飞机的航路寻优能力.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于数据场的登陆作战体系兵力编组效能分析?

兵力编组效能直接影响登陆作战体系的作战能力。在分析梯队式和群队式兵力编组模式下登陆作战体系网络模型的基础上,利用数据场理论研究登陆作战体系的拓扑势场,描述梯队或群队间由支援、协同产生的协同作战能力,建立基于数据场的登陆作战体系兵力编组效能模型,并进行仿真分析。得到了一种定量分析兵力编组作战效能的方法。