优化蚁群算法在反舰导弹航路规划中的应用

应用基本蚁群算法解决反舰导弹航路规划问题,会有收敛速度慢、计算时间长、易于过早陷入局部最优等缺点。针对该问题,引入轮盘式选择策略、精英策略以及路径优化策略对传统蚁群算法进行优化,并将优化算法应用于反舰导弹航路规划中;同时通过对反舰导弹的可行航向进行限定,缩小了航路规划的最大搜索范围。仿真实验表明,基于优化蚁群算法的反舰导弹航路规划不仅缩短了最优航路长度,而且提高了最优航路搜索过程的收敛速度。     

多平台协同导弹攻击航路规划时间基准方法研究

多平台发射多枚反舰导弹协同航路规划是单枚导弹航路规划能力互补增效和提高作战效能的重要手段。针对多个发射平台发射反舰导弹协同攻击典型编队目标航路规划时的时间基准问题，在阐述导弹齐射攻击时多个发射平台协同攻击的模式和分类的基础上，按照协同基准、协同兵力以及攻击兵力与保障兵力的关系，建立了多枚导弹协同攻击时不同发射平台的作战流程。按照时间协同方法，在确定典型编队目标和导弹齐射数量的前提下，以两个潜艇平台各发射两枚反舰导弹为例，分析了各个发射平台获取目指信息时间、导弹攻击决策时间、导弹发射延迟时间和导弹航行时间，计算出了不同发射平台航路规划的基准发射时刻。解决了多个发射平台多枚反舰导弹同时临空问题，提高了导弹饱和攻击的作战效能。     

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法.将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题.以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真.仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性.     

基于遗传算法的无人机航路规划优化研究

研究无人机航路规划优化问题,为了提高无人机航路规划效率和精度,传统的遗传算法易陷入局部最优、收敛速度慢导致无人机航路规划效率低、寻优精度较差等问题.为解决上述问题,提出了一种基于改进遗传算法的无人机航路规划方法.改进算法前期采用了保优选择策略和改进编码方案对无人机航路进行优化,加快了搜索速度、提高规划效率,使之适应大规模威胁问题求解;后期结合无人机特点,改进交叉和变异算子,通过改进使得每轮搜索后每-软的最优航路能更好地反映求解的质量,有效地加快了收敛,保持了稳定性.最后用改进的遗传算法对无人机航路规划进行了仿真.实验结果表明,方法避免了陷入局部最优、收敛速度加快、寻优精度提高,并缩短了搜索时间,航路规划效率明显提高.提出的算法可以引申应用于类似情况下的路线规划问题,具有-定的推广意义.     

基于行为协同和虚拟目标相结合的无人机实时航路规划

针对实时航路规划问题,综合考虑航路最优、平滑性、全局收敛性以及从威胁域的逃逸能力等限制时,还没有有效的规划算法.为此提出了一种基于行为协同和虚拟目标相结合的无人机实时航路规划方法.该方法将无人机的航路规划行为分为局部和全局行为:局部行为采用基于模糊控制的方法,用来实现威胁体规避;全局行为使用全局算法,通过全局目标和虚拟目标的切换实现了全局目标收敛和威胁域边界跟踪,然后通过模糊控制器对两种行为进行协同.最后通过分析、证明以及几种不同情形下的仿真表明该方法具有航路短、平滑和全局收敛的特点.     

基于流体扰动计算的无人机三维无碰撞航路规划

针对三维多架无人机(UAV)入侵的情况,提出一种基于流体扰动计算方法与交互多模型(IMM)算法相结合的无碰撞航路规划算法.首先将流体扰动计算方法用于三维单机入侵情况下的无碰撞航路规划,并简要分析该方法的特点.然后将改进的流体扰动计算方法运用到三维多机入侵的情况,并采用机动目标多模型跟踪算法对机动入侵机进行跟踪并对其未来运动态势进行预测,再结合滚动优化思想在线调整影响系数,在无人机性能约束要求下对避撞航路进行实时的局部优化,最终规划出一条三维可飞行的无碰撞航路.仿真结果表明,该算法能够规避多架入侵机,航路平滑可飞,满足实时性要求.     

基于带电粒子搜索的无人潜航器航路规划方法

针对无人潜航器（UUV）在复杂环境、多约束条件下航路规划过程耗时长、占用空间大等问题,提出了基于带电粒子搜索（CSS）的航路规划方法。首先,建立UUV航路规划问题模型,设计代价函数;然后,给出了基于CSS的航路规划方法,带电粒子在搜索空间中会受到其他带电粒子电场力的作用进而迭代寻优;另外,提出了一种非线性调整速度与加速度参数的方法,通过该方法有效地平衡全局搜索与局部搜索过程,避免算法的早熟收敛。最后,通过对比实验从规划航路的质量和算法耗时两个角度将所提方法与A^*算法、蚁群算法、粒子群航路规划方法进行对比。实验结果表明该方法在保证规划出的航路质量的同时,具有更快的收敛速度、更低的时间复杂度。     

基于群智能-一致性理论的无人机编队全过程飞行航迹规划方法

针对无人机编队执行任务全过程飞行规划问题,提出一种基于多步粒子群优化的无人机编队航迹规划算法.首先,对无人机和执行任务策略进行建模,将编队执行任务全过程划分为编队成形、执行任务、返航、解散和无人机降落5个阶段,设计不同阶段的飞行策略;其次,针对不同的终端约束条件,设计多类多层优化指标,提出多步粒子群算法,并引入模型预测控制滚动优化航路点,得到适用于不同阶段的能严格满足约束条件的航路规划方法;然后,建立旋转坐标系,将航路点信息转换为编队控制律中的理想航向和高度信息,得到能通过航路点的编队控制算法;最后,利用编队控制算法去执行航路规划方法给出的航路点,生成航迹,得到编队航迹规划算法.仿真结果表明,所提规划方法比传统方法更适用于编队飞行,能为编队规划执行任务全过程的平滑航迹,具有良好的通用性.     

优化蚁群算法在无人机航路规划中的应用

研究无人机航路规划问题,采用基本蚁群算法易陷入局部最优、搜索时间长导致人机作航路规划效率低的难题.为了提高无人机航路规划效率,提高速度和系统品质特性,提出了一种基于改进蚁群算法的无人机航路规划方法.算法前期采用了保留最优解和自适应航路点选择策略对路径进行优化,使之适应大规模问题求解;后期改进了基本蚁群算法中信息素、挥发因子的更新规则,通过改进使得每轮搜索后信息素的增量能更好地反映求解的质量,有效地避免陷入局部最优,加快了收敛,提高了搜索效率.采用改进的蚁群算法对无人机任务航路进行仿真,仿真结果表明,改进方法避免了陷入局部最优,并缩短了搜索时间,航路规划效率明显提高,证明是一种有效的无人机航路优化方法,可为实际应用提供参考.     

多AUV协同导航问题的研究现状与进展

自主水下航行器(Autonomous underwater vehicle, AUV)协同导航是未来50年解决水下中间层区域AUV导航定位的重要方法. 本文针对多AUV协同导航, 对该领域相关问题的研究进展进行了综述, 包括: 1)论述多AUV协同导航领域的研究现状, 包括协同导航问题界定、特点综述与讨论; 2)分析多AUV协同导航系统模型及相关算法的研究进展, 包括基于优化的、 基于参数估计的和基于贝叶斯估计的滤波算法; 3)对协同导航网络下的误差建模与补偿方法的研究进展进行了综述, 包括未知洋流的影响、水声通信延迟补偿等; 4)从影响协同导航定位精度的角度出发, 对AUV协同导航的可观测性与编队最优构型设计的研究进展进行了一系列的分析; 5)陈述目前多AUV协同导航中存在的关键问题, 并讨论其发展趋势.     

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。     

面向无人机集群路径规划的智能优化算法综述

在电–气–热互联系统(EGHS)的联合优化愈受关注的背景下, 提出一种电–气–热互联系统分布式优化调度 框架. 首先, 以系统供能成本最小建立同时考虑气网及热网动态特性的日前调度模型. 其次, 针对电–气–热互联系 统含电、气、热3个子系统在分布式运算属三区(3-Block)优化问题因而难以利用常规分布式算法得到收敛解的问题, 提出基于交替方向乘子法(ADMM)的改进算法, 即强制平等的ADMM算法. 所提算法框架为内外层协调凸分布框 架, 外层为罚凸凹算法(PCCP), 内层为ADMM–FE算法. 此算法框架中, 外层优化利用罚凸凹过程将非凸气流方程 凸化为逐次迭代的二阶锥约束, 内层ADMM–FE算法求解外层凸化后的模型以得到收敛解. 最后, 通过算例仿真分 析对比了所提算法与传统ADMM算法及集中式优化算法的计算结果, 所得结果验证了所提模型以及优化算法框架 的有效性.     

面向元启发式算法的多无人机路径规划现状与展望

多无人机路径规划是一个复杂的多约束组合优化问题,通过传统算法很难求得优良结果,元启发式算法由于其快速高效而成为解决该类优化问题的有效手段.首先,针对多无人机路径规划的关键要素提出一种新的分类方法;其次,从算法改进方式入手,对各项研究中所采用的元启发式算法进行分类梳理,阐述它们的应用效果和优缺点,并根据所提出的分类方法和...     

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 new path planning method for bevel-tip flexible needle insertion in 3D space with multiple targets and obstacles

In this paper, a new bevel-tip flexible needle path planning method based on the bee-foraging learning particle swarm optimization (BFL-PSO) algorithm and the needle retraction strategy in 3D space is proposed to improve the puncture accuracy and shorten the puncture distance in the case of multiple puncture targets. First, the movement of the needle after penetrating the human body is analyzed, and the objective function which includes puncture path error, puncture path length, and collision function is established. Then, the BFL-PSO algorithm and the needle retraction strategy are analyzed. Finally, medical images of the tissue to be punctured are obtained by medical imaging instruments, i.e., magnetic resonance (MR), and the 3D model of the punctured environment is constructed by 3D Slicer to obtain the environment information on targets and obstacles, and the path of flexible needle is carried out based on the BFL-PSO optimization algorithm and the needle retraction strategy. The simulation results show that, compared with other path planning methods in the related literature, the new path planning method proposed in this paper has higher path planning accuracy, shorter puncture distance, and good adaptability to multi-target path planning problems.     

考虑工人路径的多智能体强化学习空间众包任务分配方法

针对工人和任务进行匹配是空间众包研究的核心问题之一,但已有的方法通常会忽略工人路径对任务分配结果产生的影响.传统的任务分配方法存在计算速度慢、适用范围小和协作效果不突出等问题.对此,从空间众包平台的角度出发研究面向路网的空间众包任务分配问题,以任务完成时间最短为目标,提出考虑工人路径规划的基于多智能体强化学习的QMIX-A*算法,缩短任务的平均完成时间,进而提高用户的满意度.大量的数值仿真研究验证了QMIX-A*的有效性和稳定性,为空间众包服务平台的任务分配与路径优化策略的选择提供决策支持.     

Planning multiple paths with evolutionary speciation

This paper demonstrates a new approach to multidimensional path planning that is based on multiresolution path representation, where explicit configuration space computation is not required, and incorporates an evolutionary algorithm for solving the multimodal optimization problem, generating multiple alternative paths simultaneously. The multiresolution path representation reduces the expected search length for the path-planning problem and accordingly reduces the overall computational complexity. Resolution independent constraints due to obstacle proximity and path length are introduced into the evaluation function. The system can be applied for planning paths for mobile robots, assembly, and articulated manipulators. The resulting path-planning system has been evaluated on problems of two, three, four, and six degrees of freedom. The resulting paths are practical, consistent, and have acceptable execution times. The multipath algorithm is demonstrated on a number of 2D path-planning problems     

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。     

遗传算法在移动机器人路径规划中的应用

移动机器人的路径规划是机器人研究的重要领域。文中旨在研究遗传算法对于机器人路径规划问题的适用性。对于路径规划的目标,提出了基于路径长度、路径平滑度和路径安全度等因素综合衡量的方法,并在传统的遗传算法的交叉、变异操作的基础上,针对路径规划问题的特点,增加了捷径寻找、障碍避让、平滑优化等方法。实验表明,此算法在存在形状复杂的障碍物的静态环境中表现良好,其效率与准确性皆满足机器人路径规划的要求。