基于改进A星算法对自动导引小车路径规划研究

路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A星算法的自动导引小车动态路径规划算法.针对地图建模繁琐复杂的问题,在A星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A星算法无法处理动态规划问题,结合了D星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物.针对上述改进,利用MATLAB GUI开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题.     

一种吞吐量优化的无人机飞行轨迹规划算法

基于无人机(Unmanned Aerial Vehicle,UAV)协作通信已成为满足下一代蜂窝用户需求的有效技术.UAV的飞行轨迹对通信服务质量有直接影响.为此,提出吞吐量优化的UAV飞行轨迹规划(UAV Trajectory Planning to Maximize Throughput,TPMT)算法.TPMT算法以最大化用户与UAV通信链路的吞吐量为目标函数,并通过求解目标函数规划UAV的飞行轨迹.先构建用户与UAV的信道模型,再建立最大化吞吐量的目标函数,然后,引用混合优化算法GASimplex求解目标函数.仿真结果表明,提出的TPMT算法能够快速收敛,并提高了吞吐量.     

基于改进WOA的军用机场失效下的备降场选择策略

当军用机场节点面临蓄意攻击、自然灾害时,容易遭到破坏,进而使空中交通秩序混乱,影响战略物资输送,制约战斗力持续生成,为此提出了基于鲸鱼优化算法(WOA)的机场失效条件下的军用运输机备降场选择方法.在该方法中,考虑距离代价与空中相撞风险代价,将机场失效的备降场选择问题描述为约束优化问题;引入冯诺依曼拓扑结构对标准WOA进行改进;采用改进WOA对约束优化问题进行求解.仿真表明:该方法收敛快,实用性强,易于实现,能够根据需要合理分配飞机完成备降场选择.     

复合固体推进剂颗粒填充模型及其统计特性分析

复合固体推进剂属于高填充比颗粒类复合材料,氧化剂和金属颗粒在基体中的随机分布使其在细观尺度具有非均质的特点。从细观尺度研究固体推进剂燃烧及力学性能时,必须考虑颗粒级配、空间分布和种类等因素的影响。采用分子动力学方法,以硝酸酯增塑聚醚高能复合固体推进剂为研究对象,将固体颗粒模型化为球形,生成其在基体内随机分布的颗粒填充模型。利用Monte-Carlo算法模拟计算颗粒填充模型细观结构的两点概率函数,并研究了颗粒填充体积分数、尺寸与级配等参数对其的影响规律。从统计意义上给出具有各态历经性、统计均匀性和各向同性特点的颗粒填充构型最小周期性代表体元尺寸,可有效减小后续研究的计算量,节约计算成本。所构建的推进剂细观几何构型及对最小周期性代表体元尺寸的计算为后续开展复合固体推进剂细观尺度燃烧、燃面处铝团聚及力学性能数值研究奠定了基础。     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。     

一种基于粒子群优化算法的异构传感器分配方法

针对复杂的战场环境下目标环境机动性增强、传感器资源相对不足且单一传感器获取空间目标信息不完备问题,结合传感器节点自身的性能特征,考虑传感器的抗干扰性能等因素,提出一种传感器信息感知能力评估指标体系,并构建了传感器感知能力定量评价模型,计算出传感器指数.再利用传感器指数,考虑了覆盖率、电磁环境变化、态势变化等因素作为目标函数,研究基于粒子群算法的传感器分配方法,以实现传感器位置的最优分配及感知能力最大化的需求.仿真结果表明,将粒子群优化算法用于该研究,提高了传感器的总体感知能力和资源有效利用率.     

MOQPSO/D算法求解不确定目标分配问题

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法.基于模糊多目标规划方法建立了不确定目标分配模型.以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法.通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型.仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEMD-CD算法.     

基于改进二进制蝙蝠算法的装备资源保障规划

针对联合作战环境下的装备资源精确保障协同规划问题,考虑以所有保障任务完成时间最短为目标,以保障任务的执行时序和资源需求、保障编组占用冲突,以及资源平台能力更新机制等复杂条件为约束,构建数学模型,提出了基于动态列表调度(Dynamic List Scheduling,DLS)和自适应进化变异二进制蝙蝠算法(Adaptive Mutation Binary Bat Algorithm,AMBBA)的混合装备资源协同保障规划方法.通过动态列表调度选择当前执行保障的任务,在二进制蝙蝠算法寻优中引入自适应学习因子以平衡全局搜索和局部搜索能力,通过在当前可用资源集中搜索最优解为选定任务分配资源,以复杂地域联合作战为例仿真并验证规划效果,结果显示,所提方法可对大规模装备资源协同分配保障问题进行精确高效求解.     

基于改进鲸鱼优化算法的武器目标分配

针对鲸鱼优化算法寻优搜索精度低、易早熟问题,提出一种改进的鲸鱼优化算法,并将其用于对多约束的武器目标分配模型的求解.在鲸鱼寻找猎物阶段,通过引入差分进化算法的变异策略改善鲸鱼位置更新方式,提高算法全局寻优能力;引入自适应变量调整鲸鱼位置更新过程,平衡算法的全局探索和局部寻优能力,并在迭代过程中筛选并保留优秀个体;通过仿真结果表明,改进算法与其他算法相比,提高了武器目标分配收益和分配速度.