多约束下多无人机的任务规划研究综述

高度信息化的发展使得无人机作战优势凸显。准确的无人机任务规划技术是完成给定任务的重要保障。任务分配、路径规划是构成无人机任务规划技术的两个核心部分。基于该技术,首先讨论了无人机任务规划的发展状况、分类标准、体系结构。其次,分别详细介绍了影响任务分配、路径规划的重要指标,如分类标准、约束指标、相应模型、代表算法、评价指标等,然后,分别分析对比求解任务分配的启发式算法、数学规划方法、随机智能优化算法的优缺点和求解路径规划的数学规划方法、人工势场法、基于图形学法、智能优化算法的优缺点;最后,总结了无人机任务规划存在的开放性问题、未来发展方向和研究重点。     

基于人工势场算法和RRT算法的多无人机路径规划

为了解决在城市和山区复杂环境中的多无人机任务分配及路径规划问题,提出了一种基于人工势场算法和RRT融合算法的多无人机协同路径规划方法。基于人工势场算法基础优化斥力函数,加入机间斥力因子,实现了协同避撞。引入RRT算法进行拓展搜索,解决了无人机陷入局部极值点时单一人工势场算法目标不可达的问题。通过三维路径规划仿真实验和算法对比实验验证该方法的可行性,结果表明,融合路径规划算法可以在约束条件下找到全局最优路径。     

基于k度平滑的多无人机协调路径规划方法

针对多无人机协同的轨迹规划问题,提出一种基于k度平滑法的多无人机协同路径规划方法.通过改进的蚁群优化算法搜索最短路径,应用k度平滑方法平滑初始路径并实现多无人机的协调.通过k度平滑引入多无人机协调算法,使多架无人机能够在k度时间间隔内到达指定地点.通过仿真实验将所提方法与改进蚁群算法、经典算法及平滑方法进行对比分析,验证所提算法的可行性和有效性.实验结果表明,所提策略能够有效提高多无人机路径规划效率,实现多无人机同时到达指定位置的目标,且具有良好的可行性、有效性.     

考虑能耗的无人机路径规划及海洋捕食者算法求解

针对在带无人机的旅行商（TSPD）问题上常见优化算法未考虑能量损耗以及不够稳定、收敛速度较慢的缺点,提出一种基于海洋捕食者算法的路径规划策略。为满足实际应用,综合考虑能耗与时间效率,在二维平面上建立了多目标优化的数学模型。然后采用海洋捕食者算法对其仿真求解,并与其他启发式算法进行性能对比。仿真计算结果表明,面对随机的地点坐标时,该算法能更稳定地生成较优规划路径,减少了无人机的飞行时间和能量损耗。     

瞬态搜索金枪鱼优化城市物流无人机路径规划

针对复杂城市物流无人机路径规划易收敛于局部最优的不足,提出一种自适应瞬态搜索金枪鱼优化算法的无人机路径规划方法。设计Kent混沌初始化丰富初始种群多样性,提出自适应瞬态搜索平衡全局搜索与局部开发,利用透镜成像对立学习和柯西变异混合扰动防止算法陷入局部最优。利用改进金枪鱼优化算法求解城市物流无人机路径规划问题,结合城市飞行环境三维建模,设计评估路径规划的多目标代价函数,并对物流无人机路径规划方案迭代求解。实验结果表明,改进算法能够得到安全避障且代价更小的路径。     

帝国竞争算法在无人机三维航线规划中的应用研究

针对实际飞行环境中无人机的三维航线规划问题,提出了一种创新启发式优化算法——牛顿帝国主义竞争算法(NICA,Newtonian imperialist competitive algorithm).该算法能够根据无人机的飞行轨迹,从起始位置到任务目标位置生成平滑的航线路径,约束航线规划,使得目标完成任务的时间最小化.该算法也能为无人机在真实地形上的航线提供最佳轨迹路径.最后通过与ICA、GA和PSO算法进行比较,验证了改进算法的有效性.结果表明:改进帝国算法提高了全局最优解的搜索能力,在收敛速度和精度上优于其他3种算法,适合用来解决无人机的三维航线规划问题.     

一种新的基于强化学习改进SAR的无人机路径规划

搜索和救援优化算法(SAR)是2020年提出的模拟搜救行为的一种元启发式优化算法,用来解决工程中的约束优化问题.但是, SAR存在收敛慢、个体不能自适应选择操作等问题,鉴于此,提出一种新的基于强化学习改进的SAR算法(即RLSAR).该算法重新设计SAR的局部搜索和全局搜索操作,并增加路径调整操作,采用异步优势演员评论家算法(A3C)训练强化学习模型使得SAR个体获得自适应选择算子的能力.所有智能体在威胁区数量、位置和大小均随机生成的动态环境中训练,进而从每个动作的贡献、不同威胁区下规划出的路径长度和每个个体的执行操作序列3个方面对训练好的模型进行探索性实验.实验结果表明, RLSAR比标准SAR、差分进化算法、松鼠搜索算法具有更高的收敛速度,能够在随机生成的三维动态环境中成功地为无人机规划出更加经济且安全有效的可行路径,表明所提出算法可作为一种有效的无人机路径规划方法.     

卡车-无人机协同救灾物资避障配送问题研究

针对洪涝灾害中存在积水障碍区的卡车-无人机协同配送的最优路径及最短配送时间问题,建立了一种整数规划模型,并提出了一种两阶段启发式算法,第一阶段将积水障碍区进行二维网格化处理并确定无人机运输救灾物资时卡车的安全等待点以及各等待点无人机运送客户的集合,第二阶段提出阶段性规划算法,结合改进A*算法与非线性收敛因子的模拟退火鲸鱼算法对卡车绕积水障碍区的配送路径进行优化,在确保卡车行使安全的前提下,将A*算法的全局寻优性及鲸鱼算法的局部搜索精确性结合。解决存在积水障碍区的救灾物资配送问题,最后通过实例验证了所提出方法可以快速安全地解决洪涝灾害中救灾物资的避障配送问题。     

考虑交通时变特性的城乡快递无人机配送优化研究

针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高问题,提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通的时变特性的情况下,以无人机—车辆配送系统总成本最小为优化目标,建立了时变网络下带时间窗的无人机—车辆路径问题（TDVRPDTW）模型,并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后,通过算例求解验证构建模型的合理性和求解算法的有效性,为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。     

无人机航路自动规划优化方法研究与仿真

研究无人机航路规划的优化问题。无人机飞行的环境较为复杂,当外界环境较为复杂的情况下,选取的路径突变性强。频繁更改路径会造成路径计算模型出现粗规划过程,传统的路径规划方法在飞行航行频繁变化、模型出现粗规划时,模型很难收敛,路径规划结果不能达到最优,造成路径选取不准确。为解决上述问题,提出一直用于无人机最优路径计算的蜂群算法,设计了航路编码方案及随机化的初始航路生成算法,保证了算法的全局性;采用锦标赛算法实现选择过程,并提出了三种跟随蜂邻域搜索算法,提高了算法的收敛性,克服粗规划的弊端。仿真结果验证了对无人机路径规划带来极大改善。     

基于模型预测控制的无人机时空协同航迹规划

为了求解同时实现空间协同和时间协同的多无人机时空协同问题,提出了基于分布式模型预测控制的多无人机在线协同航迹规划的方法。建立了由MPC（Model Predictive Control,）控制器、空间协同模块和时间协同模块组成的多无人机分布式时空协同航迹规划框架结构。MPC将时空协同问题转化为滚动优化问题,优先级的方法实现了空间协同和时间协同的解耦,同时改进了碰撞冲突消解规则,并设计了时间冲突消解规则,解决了分布式时空协同问题的动作一致性问题。仿真实验表明,该方法可以有效地实现多无人时空协同航迹规划。     

A modified genetic algorithm with fuzzy roulette wheel selection for job-shop scheduling problems

The job-shop scheduling problem is one of the most difficult production planning problems. Since it is in the NP-hard class, a recent trend in solving the job-shop scheduling problem is shifting towards the use of heuristic and metaheuristic algorithms. This paper proposes a novel metaheuristic algorithm, which is a modification of the genetic algorithm. This proposed algorithm introduces two new concepts to the standard genetic algorithm: (1) fuzzy roulette wheel selection and (2) the mutation operation with tabu list. The proposed algorithm has been evaluated and compared with several state-of-the-art algorithms in the literature. The experimental results on 53 JSSPs show that the proposed algorithm is very effective in solving the combinatorial optimization problems. It outperforms all state-of-the-art algorithms on all benchmark problems in terms of the ability to achieve the optimal solution and the computational time.     

三种基于偏好的区间多目标进化算法及应用

区间参数多目标优化问题是普遍存在且非常重要的。目前直接求解该类问题的进化优化方法非常少,且已有方法的目的是找到收敛性好且分布均匀的Pareto最优解集。为得到符合决策者偏好的最满意解,本文综述3种基于偏好的区间多目标进化算法,并将其应用于特定环境下机器人路径规划问题,比较3种算法的性能。研究结果可丰富特定环境下机器人路径规划的求解方法,提高机器人路径优化效果。     

A hybrid evolutionary algorithm for the resource-constrained project scheduling problem

The resource-constrained project scheduling problem (RCPSP) is an NP-hard optimization problem. RCPSP is one of the most important and challenging problems in the project management field. In the past few years, many researches have been proposed for solving the RCPSP. The objective of this problem is to schedule the activities under limited resources so that the project makespan is minimized. This paper proposes a new algorithm for solving RCPSP that combines the concepts of negative selection mechanism of the biologic immune system, simulated annealing algorithm (SA), tabu search algorithm (TS) and genetic algorithm (GA) together. The performance of the proposed algorithm is evaluated and compared to current state-of-the-art metaheuristic algorithms. In this study, the benchmark data sets used in testing the performance of the proposed algorithm are obtained from the project scheduling problem library. The performance is measured in terms of the average percentage deviation from the critical path lower bound. The experimental results show that the proposed algorithm outperforms the state-of-the-art metaheuristic algorithms on all standard benchmark data sets.     

智能仿生算法在移动机器人路径规划优化中的应用综述

随着移动机器人应用领域的扩大和工作环境的复杂化,传统路径规划算法因其自身局限性变得难以满足人们的要求。近年来,智能仿生算法因其群集智慧和生物择优特性而被广泛应用于移动机器人路径规划优化中。首先,按照智能仿生算法仿生机制的来源,对应用于路径规划优化中的智能仿生算法进行了分类。然后,按照不同的类别,系统的叙述了各种新型智能仿生算法在路径规划优化中取得的最新研究成果,总结了路径规划优化过程中存在的问题以及解决方案,并对算法在路径规划优化中的性能进行了比较分析。最后对智能仿生算法在路径规划优化中的研究方向进行了探讨。     

Electromagnetism-like algorithms for optimized tool path planning in 5-axis flank machining

Optimization of tool path planning using metaheuristic algorithms such as ant colony systems (ACS) and particle swarm optimization (PSO) provides a feasible approach to reduce geometrical machining errors in 5-axis flank machining of ruled surfaces. The optimal solutions of these algorithms exhibit an unsatisfactory quality in a high-dimensional search space. In this study, various algorithms derived from the electromagnetism-like mechanism (EM) were applied. The test results of representative surfaces showed that all EM-based methods yield more effective optimal solutions than does PSO, despite a longer search time. A new EM-MSS (electromagnetism-like mechanism with move solution screening) algorithm produces the most favorable results by ensuring the continuous improvement of new searches. Incorporating an SPSA (simultaneous perturbation stochastic approximation) technique further improves the search results with effective initial solutions. This work enhances the practical values of tool path planning by providing a satisfactory machining quality.     

数控加工中路径规划与速度插补综述

数控技术在现代制造工业中被广泛使用,相关研究一直为学界和业界共同关注。数控技术的传 统流程主要包含刀具路径规划和进给速度插补。为实现高速高精加工,人们通常将路径规划与速度插补中的若 干问题转换成数理优化模型,针对工程应用问题的复杂性,采用分步迭代优化的思路进行求解,但所得的结果 往往只是局部最优解。其次,路径规划与速度插补都是为了加工一个工件曲面,分两步进行处理虽然简化了计 算,但也导致不能进行整体优化。因此,为了更好地开展路径规划与速度插补一体化设计与全局最优求解的研 究,系统性地了解并学习已有的代表性工作是十分有必要的。所以将逐次介绍数控加工中刀具路径规划与速度 插补的相关方法与技术进展,包括基于端铣的加工路径规划;刀轴方向优化;G 代码加工以及拐角过渡;参数 曲线路径的进给速度规划等国内外相关研究以及最新提出的一些新型加工优化方法。     

基于改进蜂群算法的机器人路径规划

针对机器人的路径规划问题,本文提出了采用改进的具有群集智能的蜂群算法（Artificial Bee Colony,ABC）,结合三次贝塞尔曲线来描述路径,共同实现路径优化的方法.为了克服标准ABC容易陷入局部最优和后期收敛速度慢的缺点,对雇佣蜂阶段和守望蜂阶段进行改进,且与其他算法得到的优化曲线相比较,进而得出不同算法在路径优化方面的优劣性.实验结果表明：改进的蜂群算法在路径优化方面具有更好的寻优性能,能够得到更短路径.     

A fast two-stage ACO algorithm for robotic path planning

Ant colony optimization (ACO) algorithms are often used in robotic path planning; however, the algorithms have two inherent problems. On one hand, the distance elicitation function and transfer function are usually used to improve the ACO algorithms, whereas, the two indexes often fail to balance between algorithm efficiency and optimization effect; On the other hand, the algorithms are heavily affected by environmental complexity. Based on the scent pervasion principle, a fast two-stage ACO algorithm is proposed in this paper, which overcomes the inherent problems of traditional ACO algorithms. The basic idea is to split the heuristic search into two stages: preprocess stage and path planning stage. In the preprocess stage, the scent information is broadcasted to the whole map and then ants do path planning under the direction of scent information. The algorithm is tested in maps of various complexities and compared with different algorithms. The results show the good performance and convergence speed of the proposed algorithm, even the high grid resolution does not affect the quality of the path found.     

反舰导弹航路规划问题的研究现状与进展

航路规划是一种多约束多目标非线性优化问题. 对反舰导弹航路规划 (Anti-ship missile path planning, ASMPP) 问题及其方法的研究进展进行了综述. 1) 论述了反舰导弹航路规划问题领域的研究现状, 包括 反舰导弹航路规划相关名词术语的统一和规范、 对问题的界定及其定义、反舰导弹航路规划的特点; 2) 分析了反舰导弹航路规划问题模型的研究进展; 3) 分析了反舰导弹航路规划方法的研究进展, 包括 基于几何学原理的航路规划方法和基于智能优 化算法的航路规划方法; 4) 对多平台反舰导弹协同航路规划方法的研究进展进行了分析和总结; 5) 阐述了反舰导弹航路规划面临的关键问题及发展趋势.