区域目标搜索中基于改进RRT的UAV实时航迹规划

在线自主航迹规划是无人机(Unmanned Aerial Vehicles,UAV)执行区域目标搜索任务的有效保证.针对UAV区域搜索中航迹规划的实时性要求,提出了一种固定搜索模式和动态搜索模式相结合的UAV自主航迹规划框架.在快速扩展随机树(RRT)方法的基础上,通过改进随机扩展树的节点选择和引入启发式信息,提出了基于改进RRT的UAV实时搜索航迹规划算法,该算法能够有效降低在线航迹规划的时间代价和扩展节点数.仿真实验结果验证了本文方法的有效性.     

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。     

基于扩展时空距离度量的连续k近邻查询方法

针对基于TPR树索引的连续k近邻查询,引入了一种新的时空距离度量最小最大距离函数作为TPR树索引搜索时节点剪枝上界。提出了一种采用最优优先策略的基于扩展时空距离度量的连续k近邻查询STM-CNN算法,利用最小距离函数进行TPR树索引节点搜索时访问排序,并使用最小最大距离函数对TPR树索引进行剪枝界定。     

具有随机分形自适应搜索策略的蚁狮优化算法

针对蚁狮算法在平衡开发能力与探索能力不足的缺点,提出了具体有随机分形自适应搜索策略的改进算法。在该策略中,蚂蚁利用随机分形搜索方程提高算法的探索能力;蚁狮利用自适应搜索方程在最优位置进行精细搜索,以提高算法的开发能力。对3个单峰、3个多峰标准测试函数进行寻优,仿真结果表明,相比于其他算法,所提出的改进算法很好地平衡了自身的开发能力和探索能力,显著提高了全局优化能力和收敛速率。     

基于PSGA的岸基导弹火力分配研究

针对基本遗传算法易局部收敛的缺陷,借鉴动物捕食搜索策略(PS)的思想,设计一种基于捕食搜索策略的改进遗传算法(PSGA),通过仿真测试函数与基本遗传算法(SGA)、自适应遗传算法(AGA)进行比较,显示改进的PSGA提高了算法的综合搜索能力。将改进的PSGA算法运用到岸基导弹对海上舰艇攻击火力分配中,构建了火力分配模型,     

基于多优化策略RRT的无人机实时航线规划

研究无人机在复杂战场环境中的实时航线规划问题。提出一种基于多优化策略RRT的无人机实时航线规划算法,解决了无人机在敌方雷达威胁密集部署环境下,面对突发威胁实时规划航线,实现安全飞行的问题。首先精确建立防空雷达模型,有效压缩雷达威胁空间;进一步设计基于目标启发的优化策略使算法能够快速收敛。采用冗余节点裁剪的策略减小航线长度,提高航线平滑性。仿真结果表明,该算法能够有效规避突发威胁,生成航线优化性良好。基于多优化策略RRT的无人机实时航线规划算法具备良好的实时性和优化性,能够满足复杂环境下无人机的安全飞行要求。     

基于蒙特卡洛树搜索方法的空战机动决策

针对空战中双方的机动决策问题,考虑角度、距离、速度变化以及高度优势函数,以赢取最大空战优势期望为目标,建立空战双方机动决策模型,并引入蒙特卡洛树搜索方法进行求解,搜索策略采取极大极小搜索算法。针对双机对抗,通过仿真给出空战态势及空战优势变化曲线,结果表明我机在整个空战过程中绝大部分是处于优势地位的,验证了使用蒙特卡洛树搜索方法进行空战机动决策的可行性,同时对算法的实时性进行了仿真,结果表明算法计算机动动作所用时较短,达到了算法的实时性要求。     

求解布尔不可满足子式的消解悖论算法

求解布尔不可满足子式在超大规模集成电路设计与验证领域都具有非常重要的理论与应用价值,帮助EDA工具迅速定位错误与不一致。针对求解不可满足子式的非完全方法,提出了消解悖论与悖论解析树的概念,在此基础上提出一种启发式局部搜索算法。该算法根据公式的消解规则,采用局部搜索过程直接构造证明不可满足性的悖论解析树,而后递归搜索得到不可满足子式;算法中融合了布尔推理技术、动态剪枝方法及蕴含消除方法以提高搜索效率。基于随机测试集进行了实验对比,结果表明提出的算法优于同类算法。     

一种基于部分搜索的GNSS模糊度解算方法

为解决LAMBDA算法搜索策略效率不高的问题,提出了一种基于部分搜索的模糊度解算新方法。该方法的解算成功率接近LAMBDA算法,且只需对最后3维模糊度元素采取搜索策略。同时,通过合理设定搜索椭球的大小和搜索策略;大大提高了搜索效率。通过实验对该新算法与Bootraping算法、LAMBDA算法进行了比较分析,进一步验证了该新算法的有效性。     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

基于量子双向RRT算法的多平台反舰导弹协同航路规划

针对反舰导弹航路规划面临的动态威胁环境和多平台协同打击问题,提出了一种基于量子双向RRT算法的反舰导弹协同航路规划方法。采用动态坐标设置动态威胁,实时地避开动态威胁;通过取预规划终点方法,实现对目标的时间和空间协同打击;结合量子进化思想,将RRT算法中的扩展方向量子化表示,提出了一种量子双向RRT算法,并应用于航路规划。仿真结果表明,该方法可有效规避动态威胁和解决多平台反舰导弹航路规划的协同问题,并显著地改善了RRT算法的全局收敛性,得到了航程更短的航路。     

舰载机多机一体化机务保障调度研究

针对舰载机多机一体化机务保障调度问题,以出树、入树的形式描述实际保障过程中并行工序的约束关系,以最大保障完工时间和资源负载均衡性为目标,构建了舰载机多机一体化机务保障非线性多目标混合流水车间调度模型,并设计了一种结合基于Insert的动态邻域爬山搜索策略和并行工序的同步化修正的Memetic算法求解该模型。最后通过实例仿真验证了模型和所提算法的可行性和有效性。     

不确定条件下多无人机侦察调度问题

结合动态目标的不确定性,构建了动态环境下多无人机协同搜索问题模型,并基于半随机式搜索策略的人工蜂群算法求解该模型。利用双重进化的特点,改进了插入点算子和逆转序列算子,在需要进行两点操作的搜索过程中,随机选取一点,另一点通过遍历可行解来确定最优解的位置。最后在某海域岛礁间距离之和的解空间维度上进行交叉搜索,并应用到局部搜索过程中构成双重进化,实验结果验证了所提出算法的有效性以及解决多无人机调度问题的可行性。     

具有战时随机延误与损耗的多配送中心路径优化

建立了具有战时随机延误与损耗的多配送中心配送路径安排模型,给出了基于随机模拟的蚁群算法。算法通过给定残存率、用时与置信度阈值,把多目标问题作为单目标来处理。用随机模拟的方法来求路径的置信度,并以此为基础搜索转移策略的临域与判断未遍历点的插入位置。算法设计了符合问题特点的从虚拟点出发的转移策略与对两类路段不同的信息素更新策略,确保算法的实现。最后,通过算例说明了该方法的可行性与有效性。     

基于赋时Petri网的自动测试系统建模

提出了利用赋时Petri网(Tim ed Petri Net)对自动测试系统建模和性能分析的方法。采用启发式算法,对系统的可达树进行搜索,实现测试序列的优化,不仅降低了计算的复杂度,而且获得了满意的并行度,提高了自动测试系统的测试效率。     

基于路径规划的虚拟人上肢可触及性检查技术

针对目前虚拟人上肢可触及性检查操作烦琐、效率低的问题,提出一种RRT（Rapidly-exploring RandomTree）算法与逆向运动学算法相结合的路径规划方法,通过检测可行路径是否存在来实现人体上肢可触及性检查。给出了该方法的具体流程和关键问题的解决策略,并基于Jack软件进行了实例验证。     

求解大规模TSP问题的带导向信息素蚁群算法

蚁群算法已在各种优化问题中取得成功应用,但在求解大规模TSP问题时存在时间、空间复杂性大,搜索过程导向性不强易陷入局部最优和局部搜索策略效果不佳等缺点。针对以上问题,提出了一种具有导向信息素的蚁群算法(Ant Colony Algorithm With Oriented Pheromones,OPACA),利用问题本身的聚类特性简化问题规模后求解全局最优路径,后利用全局最优路径初始化导向信息素,并引入启发式的局部搜索策略求解原问题。仿真实验表明,改进算法的搜索全局最优能力与稳定性显著增强,相比同类算法有更佳的准确率及收敛速度。     

分层搜索在景象匹配中的应用研究

针对景象匹配制导系统的实时性问题,分析和论证了采用分层搜索策略的必要性,设计出分层搜索的算法模型,并详细阐述了分层搜索中可以采用的两种序贯判决搜索算法。研究表明,分层搜索技术对于提高景象匹配算法性能具有重大意义。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法(IQGA)。其核心是在对量子门更新过程进行改进的基础上,引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快,还可以改变基本遗传算法(GA)的局部搜索能力,克服基本遗传算法存在的未成熟收敛问题。仿真结果表明,该算法可以有效地实现噪声控制。     

基于增强型MAD单特征量地磁匹配导航算法

为了提高基于MAD(mean absolute differences,平均绝对差)算法的单特征量地磁匹配导航系统的定位精度,研究分析了影响MAD算法的地磁匹配定位精度的主要因素,引入RANSAC(random sample consensus,随机抽样一致)鲁棒算法与粗精匹配结合的分层搜索策略来提高匹配精度及缩短匹配时间.仿真试验结果表明,该算法能够在一定程度上提高单特征量的地磁匹配的精度与稳定性,并大大缩短匹配时间.