一种基于混沌变异的双群进化规划算法

易早熟收敛是传统进化规划算法的致命缺点。该文在分析了导致进化规划算法早熟原因的基础上,提出了一种基于混沌变异的多群进化规划算法。在该算法中,进化在两个并行的子群间同时进行,一个种群使用混沌变异算子对解空间进行充分的探索,另一个种群使用指数衰减的高斯变异算子对局部进行详尽搜索,种群问的信息交换通过种群的个体交流实现。对典型算例的数值仿真表明,该算法能够改善传统的进化规划算法易早熟收敛的弱点,同时具有良好的快速收敛性和参数鲁棒性。     

巡航导弹参考航迹规划算法研究

为了提高巡航导弹的生存能力和杀伤概率,预先规划参考飞行航迹是一个重要的方法.由程序生成规划用数字地图,根据遗传算法的基本思想,采用改进的编码机制对巡航导弹在威胁已知的模拟数字地图上的飞行航迹进行整体规划,航迹种群随机生成,用加入各种威胁和约束条件影响的适应值函数对个体进行评价,通过选择交叉变芹算了使种群进化,最后所得到适应值最高的航迹个体即可作为导掸的参考飞行航迹.通过编程仿真试验,所得参考航迹可以有效的实现地形跟踪、地形威胁回避.算法由于控制参数的限制,得到的最优路径是次优化的;遗传算法的初始种群及控制参数的确定足改善算法寻优性能的主要因素.     

动态混沌蚁群系统及其在机器人路径规划中的应用

针对蚁群系统（ACS）解决机器人路径规划问题时种群多样性与收敛速度的不足,对蚁群系统引入动态混沌算子,从而平衡种群多样性和收敛速度之间的关系。动态混沌蚁群系统的核心是在传统蚁群系统引入Logistic混沌算子来增加种群多样性,从而提高解的质量。在迭代前期加入混沌算子,以调整路径中的全局信息素值,增加算法的种群多样性,从而避免算法陷入局域优化解;在后期则转为蚁群系统,来确保动态混沌蚁群系统的收敛速度。仿真结果表明,对于机器人路径规划问题,与蚁群系统相比,动态混沌蚁群系统具有更好的种群多样性、更高的解的质量和更快的收敛速度;与精英蚁群系统（EAS）和基于排序的蚂蚁系统（ASrank）相比,动态混沌蚁群系统能够平衡解的质量与收敛速度之间的关系,即使在复杂障碍物的环境下,动态混沌蚁群系统也能较好地找到最优解。动态混沌蚁群系统能够提升移动机器人路径规划中的效率。     

改进量子遗传算法在无人机航迹规划中的应用

研究无人机航迹规划优化问题,有效地规避威胁,可提高无人机的生存能力.但传统量子遗传算法在航迹规划方面局部寻优精度较低、稳定性差.为解决上述问题,提出改进量子遗传算法的无人机航迹规划方法.首先上述算法采用一维编码表示航迹,并对影响有效规避威胁的适应度构造代价模型和惩罚策略;针对量子遗传算法初始种群的单一性,引入关于概率划分的小生境协同进化策略,并对各种群采用动态量子旋转角,并借鉴狼群分配原则对种群进行更新,提高收敛速度;利用精英选择运算,创建精华种群,保留父代中最佳个体.仿真结果表明,上述算法的无人机航迹规划效率高,稳定性好,能够获得平滑的低代价航迹,是一种有效可行的航迹规划算法,且具有一定的推广意义.     

基于改进人工蜂群算法的多无人作战飞机协同航迹规划

针对多无人作战飞机(UCAV)航迹规划约束条件复杂、不确定因素多、实时性要求高的特点,提出一种基于改进的人工蜂群算法求解多UCAV协同航迹规划模型。首先构建战场空间的改进Voronoi图生成航迹优化可飞区域;然后采用混沌搜索算法来初始化航迹集合作为算法的蜜源,使其初始航迹集合能以有限的数据充分表示航迹优化可飞区域;最后对多UCAV在多种威胁环境下的航迹空间寻优进行仿真验证。仿真结果证明改进的人工蜂群算法提高了蜜源多样性和算法的收敛速度,增强了UCAV的动态战场适应能力和突发威胁应对能力。     

一种无人机三维航迹规划算法研究

在研究无人机三维航迹规划问题时,针对基于传统人工蜂群算法易陷入局部最优值、后期收敛速度变慢、寻优效率低的问题,提出了一种改进人工蜂群算法的无人机航迹规划方法。首先,在建立包括经纬度、海拔高度信息的三维飞行区域模型后,加入了地形约束模型,并引入新的综合航迹代价评价方式。然后,在算法中引入自适应搜索策略、新型概率选择策略与Logistic混沌搜索算子来增强其对原始信息的开采能力,提高其收敛速度以及加强其鲁棒性。最后,通过三维航迹规划仿真和面对突发威胁的局部航迹再规划仿真对所提算法的有效性进行了验证。结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于遗传算法和传统人工蜂群算法,适合用来解决无人机的三维航迹规划问题。     

基于生物地理学优化的多UCAV协同航迹规划

研究多无人机协同路径规划问题,为了获取从起始点到达目标点,能够避开各种阻碍的最优运动路径,提出了一种基于BBO的多UCAV协同航迹规划方法.通过对地形环境、航迹表示方式进行描述,将生物地理学优化算法运用于多UCAV协同航迹规划,对约束条件及威胁进行分析,建立了UCAV航迹规划模型及多UCAV协同航迹规划模型;对BBO算法适宜度向量编码及迁徙模型进行了分析,设计了相应的优化算子;最后,构建了多UCAV协同航迹规划的求解框架,并结合BBO算法开展了相应的仿真.仿真结果表明,改进方法较好地实现了多UCAV协同航迹规划的优化.     

基于贝叶斯优化算法的巡航导弹航迹规划

巡航导弹作为一种精确打击武器在现代战争中发挥着越来越大的作用。巡航导弹的航迹规划是巡航导弹前期任务计划的重要内容。传统的巡航导弹航迹规划算法大都存在一些难以克服的缺陷，因此该文提出了利用贝叶斯优化算法来对巡航导弹进行航迹规划，贝叶斯优化算法是一种基于图形模型的优化算法，他是对遗传算法的改进，克服了遗传算法的不足，加快了优化过程的收敛速度，并保持了遗传算法的优点。该文介绍了利用贝叶斯优化算法对巡航导弹航迹规划的过程，并通过对具体例子的操作证明了此算法的快捷性。     

基于改进量子遗传法的巡航导弹水平航迹规划

航迹规划是巡航导弹任务规划的核心,针对巡航导弹发射目标应满足多性能指标的航迹规划。为确保巡航导弹高效完成作战任务,提出要以巡航导弹水平航迹规划为应用背景,将量子遗传算法应用到巡航导弹的航迹规划中,首先在传统量子遗传算法基础上了引入了量子门旋转角步长动态调整机制、增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率。通过仿真验证了改进算法比GA算法、传统QGA算法具有更快的收敛速度和全局搜索能力,适用于巡航导弹的水平航迹规划,为巡航导弹多目标发射规划提供了依据。     

无人机三维实时航迹规划仿真平台

无人机航迹规划是任务规划中的关键技术,为得到一条既安全可靠又全局代价最优的三维航迹.针对实现实时动态规划最佳航迹,利用图形用户界面开发环境,规则网格的数字高程地图模型建立了基于地形因素的多种威胁源模型,采用改进型概率地图法(probabilistic roadmap method,PRM)与最短路径搜索-Dijkstra算法相结合的方法规划了三维航迹.最终设计的平台能够实现多种航迹规划算法的搜索,二维与三维、实时与非实时、单机与多机的航迹规划仿真.通过平台的实际运行,证明了改进PRM算法的高效性,同时验证了该平台的有效性与实用性.     

基于遗传算法的飞行器参考航迹规划

针对飞行器航迹规划问题展开研究,为了规划出最优满意的飞行轨迹,分析了飞行器航迹规划中存在的威胁与自身约束条件,提出了一种关于遗传算法的航迹规划方案,采用改进编码机制对飞行器在已知威胁情况下飞行航迹进行整体规划。取航迹个体只包含一个染色体,每个染色体为一个航迹点序列,随机生成种群,通过选择交叉变异,并将各种威胁和约束条件的影响适当的加入到适应值函数中,得到优化路径进行仿真。仿真结果给出了不同加权比例下所得到的最优航迹,通过仿真验证了算法的有效性。     

Real-time path planning with limited information for autonomous unmanned air vehicles

We propose real-time path planning schemes employing limited information for fully autonomous unmanned air vehicles (UAVs) in a hostile environment. Two main algorithms are proposed under different assumptions on the information used and the threats involved. They consist of several simple (computationally tractable) deterministic rules for real-time applications. The first algorithm uses extremely limited information (only the probabilistic risk in the surrounding area with respect to the UAV's current position) and memory, and the second utilizes more knowledge (the location and strength of threats within the UAV's sensory range) and memory. Both algorithms provably converge to a given target point and produce a series of safe waypoints whose risk is almost less than a given threshold value. In particular, we characterize a class of dynamic threats (so-called, static-dependent threats) so that the second algorithm can efficiently handle such dynamic threats while guaranteeing its convergence to a given target. Challenging scenarios are used to test the proposed algorithms.     

航路规划中的地形数据压缩与多分辨率处理

面对机载实时在线航路规划的需求,提出一种基于稀疏四叉树分层存储的地形数据压缩算法。介绍非规则几何形状威胁的数学建模和数据压缩原理,研究数字高程数据多叉树分解后的数据结构和存储算法,设计以预规划航路为中心的多分辨率地形威胁模型,描述机载实时在线应用时的地形数据分辨率的处理过程。数值仿真结果证明了该算法的正确性。     

静态威胁下的无人机航迹规划

无人机（Uninhabited Air Vehicle,UAV）由于其自身优点,已经在军事以及民用领域取得广泛使用。无人机的航迹规划本质可归结为一个多目标多约束条件的最优化问题。简单介绍无人机航迹规划的基本理论。运用神经网络算法针对静态环境下的火力威胁和非火力分别建模。运用遗传算法对无人机进行航迹规划。通过建立不同环境的模型仿真验证算法的优越性。     

UAV Online Path Planning Algorithm in a Low Altitude Dangerous Environment

UAV online path-planning in a low altitude dangerous environment with dense obstacles, static threats (STs) and dynamic threats (DTs), is a complicated, dynamic, uncertain and real-time problem. We propose a novel method to solve the problem to get a feasible and safe path. Firstly STs are modeled based on intuitionistic fuzzy set (IFS) to express the uncertainties in STs. The methods for ST assessment and synthesizing are presented. A reachability set (RS) estimator of DT is developed based on rapidly-exploring random tree (RRT) to predict the threat of DT. Secondly a subgoal selector is proposed and integrated into the planning system to decrease the cost of planning, accelerate the path searching and reduce threats on a path. Receding horizon (RH) is introduced to solve the online path planning problem in a dynamic and partially unknown environment. A local path planner is constructed by improving dynamic domain rapidly-exploring random tree (DDRRT) to deal with complex obstacles. RRT* is embedded into the planner to optimize paths. The results of Monte Carlo simulation comparing the traditional methods prove that our algorithm behaves well on online path planning with high successful penetration probability.      

基于改进型遗传算法的动态避障路径规划方法

针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了三个新的操作-复原、重构和录优操作,使改进后的遗传算法收敛于全局最优,并在此基础上以路边约束、动态避障和路径最短作为适应度函数,提出了动态避障的路径规划方法.通过实验仿真验证了算法的有效性、准确性和实时性,并与基于以往的遗传算法的路径规划方法进行比较,结果表明本文提出的方法在产生的路径长度和算法运行时间上都具有更优的性能.     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

人工智能在入侵检测分析引擎中的应用研究

针对目前入侵检测系统(IDS)的缺陷与不足，将人工智能应用于入侵检测分析引擎的研究与开发。利用遗传算法的优良机理设计了一类测度参数优化算法，并在此基础上提出了一类混合入侵检测分析引擎，方案较好地避免了现有入侵检测引擎的缺陷与安全漏洞，增强IDS的实时性、健壮性、高效性、并行性和可适应性。