基于改进蚁群算法的无人机三维航路规划

研究了一种基于改进蚁群算法的无人机三维航路规划方法,以保证在敌方防御区域内以最小的被发现概率以及可接受的航程到达目标点。首先对无人机三维航路规划模型进行分析,在此基础上采用蚁群算法对三维航路进行优化。将最短路径的信息反馈到系统中作为搜索的指导信号,并改进节点选择方法,以提高应用蚁群算法搜索无人机三维航路的效率。最后将所研究的方法应用于无人机的三维航路规划,仿真结果表明本文方法是有效的。     

基于蚁群算法的无人机任务规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，本文对新近发展的蚁群算法进行了研究，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

基于改进遗传算法的水下无人平台航路规划

简要介绍了水下无人平台及遗传算法法在其航路规划中的应用，分析了可能产生的问题及原因，借鉴模拟退火的思想，研究并提出了改进的遗传模拟退火算法用以解决水下无人平台航路规划问题。仿真结果表明这种算法能能够有效地提高航路规划的计算速度和保证航路规划的质量。     

基于改进蚁群算法的多批次协同三维航迹规划

针对基本蚁群算法容易陷入局部寻优、收敛速度慢的缺陷以及解决多批次协同航迹规划问题的需要,提出了基于改进蚁群算法的多批次三维航迹规划算法。该算法采用基于加权排序的信息素更新规则,扩大各优劣蚂蚁的差异,提高了算法收敛速度,并采用了一种信息素挥发系数的随机自适应调节方法,在确保收敛速度的同时使算法具有全局寻优,解决了基本蚁群算法容易过早陷入局部最优缺点;在此基础上,引入蚂蚁子群间多约束条件下的协同进化策略,解决了多批次协同三维航迹规划。仿真结果表明:改进的蚁群算法在运算效率和收敛性上明显优于基本蚁群算法,多批次协同航迹规划能有效提高无人机的作战效能。     

装配序列规划的一种改进蚁群算法

在当前的基于蚁群算法的装配／拆卸序列规划研究中，装配／拆卸序列都是在假设整个产品中各个零件处于失重的情况下生成的，没有考虑零件稳定性，导致生成的序列不能完全反映工程情况。针对这个问题，提出了使用扩展支撑矩阵来判断稳定性的思想；对蚁群算法的转移概率表达式、成本函数及信息素更新表达式进行了相应的改进，建立了装配序列规划问题一种改进蚁群算法。实例仿真实验结果表明：改进蚁群算法较之于已有的蚁群算法和遗传算法更为高效，所得到的解更具有工程意义。     

改进型蚁群算法求解旅行Agent问题

旅行Agent问题是一类复杂的组合优化问题,目的在于解决移动Agent在不同主机间移动如何规划最优的迁移路线．在蚁群算法的基础上,引入变异运算,并且对蚁群算法的全局和局部更新规则进行改进,大大降低了蚁群算法陷入局部极小而导致系统出现停滞现象的可能．实验结果表明,改进的蚁群算法使得移动Agent能够以更优的效率和更短的时间来完成任务．     

一种求解连续优化的蚁群混合算法

针对蚁群优化算法和Alopex算法的特性，将Alopex算法嵌入到改进的蚁群优化算法中．提出一种求解连续空间优化问题的混合算法（ACOAL），ACOAL算法定义了新的蚁群信息素更新规则、蚁群在解空间的寻优方式和蚁群行进策略；同时，结合Alopex算法以加强搜索能力，该算法充分发挥了Alopex算法的快速搜索能力和蚁群算法寻优性质优良的特性，提高了算法的收敛速度，避免了优化算法陷入局部最优。     

基于优化型蚁群算法在多机协同作战下的路径规划

针对地面无人平台协同作战时路径规划问题,提出了一种优化型的蚁群算法以寻求战时最佳进攻路线.通过优化传统蚁群算法,模拟了单平台的路径规划并获得各参数的稳定值,进而将其结果拓展到多机协同作战模式下,以获得各平台由起始点到目标点的最优路径.为更加真实地体现出战场环境,在路径规划中提出了战术规避的策略并在2种不同环境模型下验证了算法的实用性.结果表明,优化型蚁群算法相比于传统蚁群算法在迭代次数方面提高了64.2%,搜索路径长度方面提高了57.5%.     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

船体装配线划线路径规划的蚁群算法

船体零件装配线划线作业是与船体零件切割作业同时进行的,是现代造船模式中的一个重要环节.将船体零件划线路径规划问题作为广义旅行商问题进行分析,针对划线路径的特殊性,建立提出了改进的蚁群算法的路径规划模型,采用最大-最小蚁群算法进行优化,分析了算法中各参数取值对算法性能的影响,并同遗传算法作了比较.实验结果表明,基于蚁群算法的优化模型可以有效减少划线路径空走距离.实际应用表明可有效地减少作业时间,提高船厂生产效率.     

基于半自由飞行模式的多机协同航路规划

为改善传统自由飞行模式与集中管制模式的运行效能,本文提出一种用于民航空管系统的半自由飞行模式,并在该模式下研究多机协同航路规划问题.首先介绍半自由飞行空中交通管制系统的工作模式,然后设计了半自由飞行空中交通管制系统中最重要的多机协同航路规划方法.该方法基于实时动态网格和协同动态规划算法,在满足所有安全约束的前提下,实时...     

Multi-objective route planning approach for timely searching tasks of a supervised robot

To performance efficient searching for an operator-supervised mobile robot, a multiple objectives route planning approach is proposed considering timeliness and path cost. An improved fitness function for route planning is proposed based on the multi-objective genetic algorithm （MOGA） for multiple objectives traveling salesman problem （MOTSP）. Then, the path between two route nodes is generated based on the heuristic path planning method A ＊. A simplified timeliness function for route nodes is proposed to represent the timeliness of each node. Based on the proposed timeliness function, experiments are conducted using the proposed two-stage planning method. The experimental results show that the proposed MOGA with improved fitness function can perform the searching function well when the timeliness of the searching task needs to be taken into consideration.     

基于分层优化的飞行器实时航迹算法研究

针对飞行器的实时航迹规划问题，提出了一种基于分层优化的算法。首先根据启发代价函数预测下一个临时目标点的位置；其次通过一个有限项的多项式来逼近三维航迹在水平面内的投影，将航迹规划问题转化为多项式的系数寻优问题，利用微粒群算法进行优化搜索；最后结合逐次松驰法将所得航迹调整为可行航迹。用Matlab进行了仿真验证，证明了算法的有效性。     

Three-dimensional multi-constraint route planning of unmanned aerial vehicle low-altitude penetration based on coevolutionary multi-agent genetic algorithm

To address the issue of premature convergence and slow convergence rate in three-dimensional (3D) route planning of unmanned aerial vehicle (UAV) low-altitude penetration, a novel route planning method was proposed. First and foremost, a coevolutionary multi-agent genetic algorithm (CE-MAGA) was formed by introducing coevolutionary mechanism to multi-agent genetic algorithm (MAGA), an efficient global optimization algorithm. A dynamic route representation form was also adopted to improve the flight route accuracy. Moreover, an efficient constraint handling method was used to simplify the treatment of multi-constraint and reduce the time-cost of planning computation. Simulation and corresponding analysis show that the planning results of CE-MAGA have better performance on terrain following, terrain avoidance, threat avoidance (TF/TA²) and lower route costs than other existing algorithms. In addition, feasible flight routes can be acquired within 2 s, and the convergence rate of the whole evolutionary process is very fast.     

通用遗传算法在装备远程支援保障路径规划中的运用

为提高装备远程支援保障的时效性和保障指挥决策的准确性，需要规划出合理、快捷的保障路径。主要介绍了通用遗传算法在装备远程支援保障路径规划中的基本流程和具体操作。与传统搜索方法相比，通用遗传算法能够在较短时间内搜寻到最优路径，具有较好的实用价值。     

选择理想竞渡路线的策略

研究了在游泳速度保持不变的情形下游泳速度的方向与路线的关系。建立了确定游泳路线的优化数学模型。而且针对不同的实际情况。给出了选择路线的方法，建立的模型便于操作和推广，可用于其它物体在流体中的运动路线的设计，如渡船、飞行器、缉私船等。     

多层次公交线网规划实用方法

为满足我国大城市居民公交出行需求的多样性,解决公交系统服务水平低下、公交线网结构不合理等问题,提出"分区服务、逐层展开、整体优化"的规划思想,建立多层次公交线网规划的实用方法.该方法假设轨道线网确定,进行各级公交枢纽布局优化,快线以路线效率最大为目标,普线以直达客流密度最大为目标,支线以线网覆盖率最大为目标,各层次公交线网约束条件取值不同,布局优化方法不同,并列出了详细布设流程.     

多无人机协同四维航迹规划的改进的Tau-H策略

为了在满足多类约束条件的前提下进行多无人机（UAVs）协同飞行的航迹规划及优化,提出改进的Tau-H运动策略.在常用的Tau-H运动策略基础上,通过在运动间距表达式中引入初速度的相关项,克服了固有的仅能考虑始末速度为零的情况的缺陷,可以实现无人机始末非静止的到达时间和速度的四维运动匹配.利用粒子群算法（PSO）搜索各无人机的初始耦合系数,形成全局航迹预规划;建立各无人机间的通信拓扑,采用采样间隔与冲突判断双驱动的滚动优化方法,求解局部再规划问题,实现航迹不断更新.通过对算例的仿真表明,基于改进的Tau-H策略得到的航迹可飞性好,安全性高,能够满足连续型多无人机航迹规划及优化的应用需求.     

反舰导弹航路规划与威胁规避算法

为减小武器系统的作战反应时间,提高任务规划系统的信息处理速度,从便于工程实现的角度出发,采用一种从目标位置向舰艇本身位置逆推的思想,应用平面解析几何的相关知识,提出了一种航路规划递推算法。该算法秉承导弹按预定方向攻击目标所需导航点最少的原则,在一定的假设条件下,从目标点开始,按照攻击方向的反方向依次逆推直至发射点,从而求得参考航路。在此航路上进一步考虑存在威胁的情况,按照修正后的航路走切线的思想,根据航路最短且调整航路次数最少的原则,提出了一种最短切线威胁规避算法,该算法通过添加导航点或者调整导航点,将不安全航路调整到威胁区域的最短切线上,以此来实现威胁规避,仿真结果验证了算法的正确性和有效性。     

无人机群变航迹多任务综合规划方法研究

将无人机群作为一个整体,对任务和航线进行综合规划有利于提高效率,减少油耗。为了缩短机群的任务完成时间,减少飞行航程,提出了一种启发式的任务和轨迹综合规划方法。通过将各无人机的任务执行时间趋于均衡以减小机群任务的总完成时间,同时兼顾同一无人机执行的多个任务在路径上的相邻,使得机群的总飞行航程得到缩短,从而减少了油耗。仿真试验表明,任务轨迹综合规划算法与仅考虑航线或任务执行时间的算法相比较,机群的任务完成时间减少了18%左右,提高了无人机群的工作效率,减少了油耗。