基于模拟退火算法的岛礁补给路径规划

为了高效、准确地解决岛礁补给最优路径规划问题,基于模拟退火算法对该问题进行了研究.采用路径长度最短作为海岛补给路径规划的最优指标,利用模拟退火算法求解最短路径.并分别对蚁群算法和模拟退火算法路径规划进行仿真分析,仿真结果表明:在岛礁补给路径规划问题上,模拟退火算法不仅可以高效准确地解决岛礁最优路径规划问题,而且相对于蚁群算法具有能避免陷入局部最优,计算结果稳定且效率更高等优势.该方法不仅可以用于岛礁补给路径规划,还可以用于解决无人平台、飞行器等路径规划的问题.     

基于改进A*算法的路径规划在海战兵棋推演中的应用

为满足海战兵棋推演中多目标路径规划的需求,解决传统A*算法无法在兵棋推演中直接运用的问题,提出一种可供类似兵棋推演环境参考、基于改进A*算法的路径规划方法.建立一种映射机制,实现了A*算法在兵棋推演环境中的初步运用.构建一种既能满足多目标需求又能保证生成最优路径的估价函数.为验证算法有效性,在实际推演平台上进行了相关实...     

室内移动机器人运动规划与导航算法优化

为提高动态规划算法的效率与安全性,设计一种适用于动态复杂环境运动规划的优化算法.从状态搜索空间、路径重规划和路径平滑性3个方面对跳点搜索(jump point search,JPS)路径规划算法进行优化,通过与动态窗口法(dynamic window approach,DWA)轨迹规划算法融合对其评价函数进行优化,实现基于动态窗口方式的实时避障,并对A*、JPS算法和改进JPS算法的仿真测试进行对比实验.实验结果证明了该优化算法的可行性与安全性.     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

移动机器人路径规划技术

为使移动机器人在实际地图环境中自主根据算法规划行走最短路径,研究A*、蚁群和遗传算法的实际应用.通过仿真和控制变量方法,将3种算法在模拟地图环境中进行最短路径规划,对比不同算法在不同复杂程度地图上的规划效果,找出实际地图环境中算法应用的规律,并通过多次测试与仿真修改.仿真结果表明:A*算法在实际地图环境中应用效果最佳,移动机器人能够自主根据A*算法规划出最短路径.     

距离值传播路径规划算法的改进

提出通行便利程度属性来描述环境地图表面的不平整性对移动机器人路径规划的影响,并引入到距离值传播路径规划算法中为移动机器人规划路径。改进后的算法更具有实用性。在距离值传播路径规划算法的基础上,对环境地图表面的每个点规定多个通行便利程度属性值,根据该点距离值传播方向引入响应的通行便利程度属性值。通过仿真实验验证,提出的通行便利程度属性模型能适当的描述地图表面的不平整性对路径规划的影响,提高了原始算法的实用价值。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

未知环境中基于A*算法改进的遍历式路径规划算法

针对如何减少未知环境中因复杂地形造成规划路径中存在无效重复路径段问题,提出APF-A*算法。采 用最近邻边界点选择策略保证规划路径对未知环境的高覆盖率,利用人工势场算法改进传统A*算法中估值函数。算 法在栅格地图上进行了实验验证。结果表明：APF-A*算法规划出的路径与A*算法相比在路径总长度方面降低了5.3% 以上,在平均路径重复率方面降低了5.4%以上,APF-A*算法有效减少了无效重复路径段。     

两栖作战中的火力协同规划模型

针对两栖作战过程中多火力装备协同作战时火力与目标的分配效能问题,根据对每种火力装备的毁伤效果评估,通过战场信息评估待打击目标的威胁程度,建立以最大化毁伤收益为目标函数的数学模型,阐明火力协同规划问题的基本目标函数及其约束条件,采用模拟退火算法对该模型进行求解,对模拟退火算法产生新解的过程进行改进,并通过案例进行Matlab仿真分析.结果表明,该模型具有较好的可行性和有效性.     

基于混合算法的无人机路径规划

针对无人机多目标攻击路径规划问题,提出了一种基于Voronoi图的遗传模拟退火算法。首先构建了威胁与障碍的Voronoi图,得出了无人机可行路径的集合,然后给出了目标函数,接着利用Dijkstra算法进行了模型简化,最后利用遗传模拟退火算法进行计算。计算表明,该方法在解决无人机路径规划问题上与单纯的遗传算法相比具有寻优快且好的特点。     

一种基于改进遗传算法的三维航路规划

针对遗传算法在求解航路规划时存在的收敛速度慢、容易＂早熟＂问题,结合模糊推理、模拟退火算法和自适应机制,提出了一种基于改进遗传算法的三维航路规划.算法利用极坐标描述航路点,缩短了染色体编码长度,降低了搜索空间,提高了优化效率,并将模拟退火的Boltzmann接受机制引入遗传算法,对遗传操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

一种基于遗传模拟退火算法的航迹优化方法

航路规划是飞机地形回避系统的一个关键环节,是完成低空飞行任务的基础;针对飞机地形回避过程的航路规划技术进行了研究,利用k均值算法对地形采样点进行聚类,建立地形障碍空间模型,运用狄克斯特拉算法进行初始航迹规划,然后利用遗传模拟退火算法对航迹进行优化,缩短整个航线的航程;通过仿真验证了方案的可行性和合理性。     

基于遗传算法的机器鱼水中路径规划

针对机器鱼水中路径寻优的具体要求,提出一种以遗传算法为基础的机器鱼路径规划方法。通过介绍遗传算法的3种基本操作,将遗传算法应用到试验场景中规划出最优路径,分析研究了一种根据目标点与机器鱼的距离变化而改变机器鱼运动速度的策略,并进行仿真分析和实验。仿真结果表明：采用遗传算法的水中救援路径规划可将救援时间缩短30%以上,提高了寻优效率。说明遗传算法对机器鱼的路径规划具有积极效果和快速寻优特性。     

改进A*算法在突防航迹规划中的应用

针对实际应用中传统A*算法存在搜索时间长、占用空间大和生成的航迹可飞性低等问题,对传统A*算法进行了改进。通过引入启发函数选择因子,并结合航迹约束条件改进节点扩展策略,有效减小了算法搜索时间和所占用的内存空间;采用索引矩阵和无序数组的混合数据结构实现对Open表和数据的管理,显著提高了算法效率;通过对航迹进行后期平滑处理,使生成的航迹满足飞机机动性能要求。仿真结果表明,改进后的A*算法有效提高了规划效率且生成的航迹更具可飞性,在突防航迹规划中具有一定的实际应用价值。     

越野环境下基于势能场模型的智能车概率图路径规划方法

复杂越野环境下的路径规划是实现智能车无人驾驶的一项关键技术。越野环境中存在多种影响车辆运动的障碍物、环境威胁和越野道路,传统路径规划方法以路径长度或时间最短为优化目标,难以在复杂越野环境中正确规划安全可行的车辆行驶路径。针对该问题,提出了基于势能场模型的概率图（AFP-PRM）算法,采用人工势能场算法对越野环境建模,评估车辆通行风险。使用概率图算法以优化节点间多维度通行代价为目标进行路径规划;考虑车辆动力学特性,用动态曲率平滑法对行车轨迹优化;应用AFP-PRM算法在模拟越野环境下进行路径规划仿真实验。仿真结果表明：AFP-PRM算法在路径规划过程中采用人工势能场算法,综合了越野环境中障碍物、环境威胁和道路条件的耦合作用;使用概率图算法,建立采样点之间的多维度通行代价评估矩阵;在复杂的越野道路条件下生成可行、安全、高效的通行路径,为智能车提供了一种多目标优化路径规划算法。     

多约束条件下飞行器航路规划

飞行器航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法。该文在遗传算法中加入了航路规划的相关知识来求解问题,给出一种解决多约束规划问题的方法。首先。提出了一种航迹极坐标编码方式,将航路规划中的部分约束融人到算法模型中并加以解决;第二,采用目标函数的方式解决航路规划中的部分约束。