多任务空地武器多目标协同优化任务规划算法研究

在复杂的战场作战环境中可能存在多个动态威胁,如何快速规划出最优航路是攻击任务顺利执行的关键.本文提出一种在文化算法框架下稀疏A?算法与遗传算法(Genetic Algorithm,GA)相结合的动态航路规划算法,用于多任务空地武器多目标协同任务优化中.算法基于文化算法思想框架,首先利用稀疏A?算法快速获取初始航路及航路...     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

基于改进量子进化算法的巡航导弹航路规划方法

针对巡航导弹作战区域广阔、航路规划效率低的问题,提出了基于改进量子进化算法(IQEA)的巡航导弹航路规划方法。首先分析并确定巡航导弹航路规划空间,建立航路评价的代价指标;针对实数编码量子进化算法容易早熟、陷入局部最优的缺点,引入染色体的概率表达特性,使得每条染色体均能以一定概率表达优化问题的所有可行解;借鉴遗传算法的思想,在IQEA中引入染色体繁殖机制,结合动态量子门实现染色体的进化,实现算法局部搜索和全局搜索的平衡。仿真实验结果表明,基于带繁殖机制的IQEA的航路规划算法能够快速、稳定地搜索到代价更低的航路,所规划航路能够有效进行威胁规避、地形回避和地形跟随。     

基于改进A*算法的多无人机协同战术规划

多无人机协同作战是未来无人机作战方式的重要发展趋势。为增强多无人机系统的任务执行能力,提高系统整体作战效能并实现高效资源分配和调度,提出一种基于改进A^*算法的多无人机协同战术规划方法。按照离线规划和重规划两方面,设计战役层和战术层的作战目标迭代优化方案;建立编队协同作战的数学模型,以编队成员间的时间协同和碰撞协同代价为变量,得到多约束条件下的综合编队目标函数;结合多层变步长搜索策略和单步扩展的搜索方式,基于改进A^*算法,用于求解复杂战场环境下的多无人机编队协同作战航路。分别利用改进A^*算法和传统A^*算法进行对比仿真实验。仿真结果表明,多无人机协同战术规划方法能够较好地完成作战任务,改进A^*算法能够获得更优的航路,从而验证了所提算法的有效性。     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法,并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索,选取遗传算法得到的较优解集合,构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解,该组合优化算法在克服两种算法缺点的同时发挥了各自的优点,达到优势互补。仿真结果表明,与基本蚁群算法相比,GA-ACO在提高效率的同时改善了解的质量,是可行和有效的。     

复杂环境下无人机三维航迹规划方法研究

复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。     

基于改进粒子群算法的反舰导弹在线目标分配

针对反舰导弹预先目标分配无法应对战场环境动态变化的难题,提出了基于领弹、数据链、卫星定位技术的在线目标分配的设想。综合考虑影响反舰作战效能的各种因素,构建了目标分配优化模型和作战效能主要评价指标的计算模型。为了满足反舰导弹协同攻击在线目标分配的实时性要求,提出了一种改进的粒子群算法。首先通过设计编码方式避免了多导弹弹道交叉和初始粒子群中由于存在大量非可行解而导致搜索效率降低的问题;然后通过引入变异和交叉算子,既增加了解的多样性,又加快了解的收敛速度;最后通过线性变化惯性权重、认知系数和社会系数,进一步提高了算法的搜索精度和搜索效率。仿真结果表明,构建的模型和提出的算法能够快速有效地解决反舰导弹协同攻击在线目标分配问题。     

限定搜索区域的分层遗传算法无人机路径规划

为克服简单遗传算法易陷入局部最优解的缺点,减小路径搜索范围,提出了限定搜索区域的分层遗传算法无人机路径规划方法,该方法将分层遗传算法引入无人机路径规划的优化搜索问题中,将路径节点的二维坐标作为基因进行编码,根据威胁的分布情况缩小路径规划算法的搜索范围,使子种群可以获得包含不同优良模式的新个体,为子种群提供更加平等的竞争生存机会,使优化搜索有较为明确的搜索方向。仿真结果表明:与基于分层遗传算法的路径规划方法相比,该方法提高了路径寻优算法的性能,减少了绕行路径的出现几率,缩短了最优路径的长度。     

潜射反舰导弹齐射航路规划算法研究

为了实现潜射反舰导弹齐射航路规划,提出基于Dubins航路的潜射反舰导弹齐射航路规划算法。介绍了Dubins航路设计原理,建立了基于Dubins航路的潜射反舰导弹齐射航路规划算法,研究了障碍物规避、齐射入射角和导弹同时到达的计算方法,归纳了潜射反舰导弹齐射航路规划算法流程。仿真结果表明,基于Dubins航路的导弹航路规划算法能够实现潜射反舰导弹齐射航路规划,校验了该算法的正确性和有效性,为潜射反舰导弹作战应用提供有力支撑。     

面向对地打击武器-目标分配问题的遗传算法变量取值控制技术

对地打击目标与武器类型复杂多样,其武器-目标分配问题难度较大,研究不足,而合理的武器-目标分配方案,可优化资源配置,用最小的代价获取最大的战场收益。为此,构建相应数学模型,并针对采用遗传算法进行解算时收敛速度慢,甚至无法得出可行解等问题,设计了一种变量取值控制方法。该方法通过约束和控制初始种群个体中变量的取值范围来缩小搜索空间,提高搜索效率;通过改进变异策略扩大变量取值范围,确保解的质量。仿真结果表明,改进的遗传算法能有效地解决大规模对地打击武器-目标分配问题,且性能较优。     

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.     

基于改进A~*的三维航迹快速规划方法

针对导弹航迹规划的高时效性要求,提出了一种基于改进A*的快速航迹规划方法。该方法针对A*算法计算过程的主要耗时点,采用了基于双向链表的OPEN表标记插入排序方法;针对导弹飞行三维约束条件,引入了基于简化运动学方程的空间节点高效扩展方法。仿真结果证明,改进A*算法在没有改变航迹规划结果质量的同时,有效的提高了航迹的搜索速度。     

安全性A*算法融合动态窗口法的路径规划

针对移动机器人在路径寻优过程中,传统A*算法搜索效率差、所规划路径缺乏安全性、拐点多、转角大 且无法实现动态避障等问题,提出一种安全性A*算法和动态窗口法(dynamic window approach,DWA)结合的融合算 法。全局路径规划中,在传统A*算法的评价函数中引入安全估值,并拓展启发式搜索邻域和精简搜索方向;进行二 次路径优化,删除冗余节点,并平滑路径;运用改进的动态窗口评价函数,将安全性A*算法与动态窗口法融合实现 机器人沿全局路径行进中的动态避障。仿真实验结果表明：改进A*算法相比文献算法在路径长度上和拐角数量上平 均减少了2.39%和25%,并在动态复杂环境下验证了其动态避障效果,能满足机器人路径规划的实际需求,具有一 定的应用价值。     

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.     

基于稀疏A*算法的AUV全局路径规划

路径规划是自主式水下航行器(AUV)研究领域的重要课题之一。传统的AUV路径规划算法,如人工势场法、图搜索法等,容易出现陷入局部最优解、计算速度慢等问题,为克服上述缺陷,本文基于稀疏A*算法,提出了一种新的用于构造搜索空间的随机布点方法,在路径规划区域内,利用随机函数均匀地布撒足够多的搜索节点,从而构成搜索空间,可显著降低计算量,提高搜索效率;并进一步对所得路径进行通视性检查,有效地减少路径点个数和折点数,获得更优路径。仿真试验结果验证了该算法的正确性和有效性,表明该算法具有全局优化能力强、计算速度快的优点,具有一定的工程应用价值。     

基于混沌遗传算法的测试选择优化问题研究

针对测试选择优化这一NP难解问题,文中利用改进的遗传算法对其进行优化.算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化.最后,以超外差接受器为例,对算法的有效性进行了验证.事实证明,该算法能够较快地搜索到优化问题的最优解,验证了混沌遗传算法对测试选择优化问题的有效性.     

面向禁飞区约束的再入滑翔飞行器快速轨迹规划

针对高超声速滑翔飞行器轨迹快速规划问题,为实现对于禁飞区的规避,提出了一种基于改进稀疏A~*算法的轨迹规划方法。该方法基于最小转弯半径约束进行节点拓展,减小搜索空间规模,有效提高了搜索效率,能够成功完成再入轨迹规划;同时,基于飞行器动力学模型计算各节点最小转弯半径及速度,克服了传统A*算法几何规划的缺点,提高了规划结果的合理性。仿真结果表明,所提出的方法规划效率高,实用性强。     

基于一种改进粒子群算法的水下远程武器航路规划

针对水下远程武器航路规划中,采用基本粒子群算法避障出现的航路倒退问题,提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化（PSO）算法,并结合远程武器的航路规划设计模型,应用于水下武器作战仿真系统。计算结果表明,该算法可有效提高远程武器航路规划避障的计算效果,对水下远程武器的作战使用研究具有一定的参考价值。