基于改进量子遗传算法的远程鱼雷航迹规划

针对复杂威胁环境下远程鱼雷航迹规划问题,运用量子计算和量子理论,提出了一种基于改进量子遗传算法的航迹规划方法。首先,综合考虑复杂威胁环境的等效地形和鱼雷航迹规划的约束条件,构建鱼雷航迹规划适应度函数;采用量子位对鱼雷航迹进行编码,通过引入量子交叉操作、量子变异操作和量子旋转门动态步长调整策略,改进量子遗传算法并将其应用于鱼雷航迹的逐步优化。仿真结果表明,上述方法解算效率较高,且规划出的航迹长度短、平滑度好,对指导远程鱼雷作战使用具有重要参考价值。     

改进的混沌遗传算法求解无人机航迹规划问题

针对无人机航迹规划问题展开研究,采用混沌遗传算法对无人机低空追击目标的航迹进行规划.该方法将无人机在低空复杂环境中的动力学模型离散化,结合约束条件,将三维空间划分为多个二维空间并利用栅格法进行二维建模,在二维空间下采用改进的混沌遗传算法来路径寻优,最终完成在三维空间中避开障碍物的航迹搜索过程.以建模工具Creator/...     

静态威胁下的无人机航迹规划

无人机（Uninhabited Air Vehicle,UAV）由于其自身优点,已经在军事以及民用领域取得广泛使用。无人机的航迹规划本质可归结为一个多目标多约束条件的最优化问题。简单介绍无人机航迹规划的基本理论。运用神经网络算法针对静态环境下的火力威胁和非火力分别建模。运用遗传算法对无人机进行航迹规划。通过建立不同环境的模型仿真验证算法的优越性。     

无人机在水环境监测中的航迹规划

无人机在水环境监测中,受其物理性能和风险因素影响无法一次性的对所有区域进行监测,充分发挥无人机的使用效率变得极为重要。提出了无人机在水环境监测中的最优航迹规划问题,建立了该问题的数学模型,在此基础上提出了一种基于遗传—模拟退火优化算法,采用网格空间表示与方向编码相结合的方法减小了计算量。仿真实验结果表明:该方法能够得到比遗传算法更优的解,可以有效解决无人机在水环境监测中的航迹规划问题。     

基于改进A*算法的无人机航迹规划

在无人机航迹规划问题的研究中,针对在执行飞行任务前,需要根据所经区域内已知的地形、地貌、障碍和威胁等信息以及飞机本身机动能力的限制计算出飞行航迹, 并根据规划出的航迹完成飞行任务.能准确识别起始点到目标航路,提出了一种基于改进A*算法的无人机航迹规划方法,将无人机自身的性能和飞行任务结合到A*算法中去,在节点的搜索过程中解决了A*算法大空间搜索耗时多的问题.通过简单的路径消减算法去除不必要的航迹点,使得规划出来的航迹能够最大程度上满足无人机的运动特性.仿真结果表明采用的方法计算速度快并且规划达到最优性能.     

无人机航迹规划与监控系统设计

无人机作为现代战争中广泛使用的设备,使无人机安全、准时完成任务。航迹规划就是针对各种任务需求,为无人机提供一条或多条可行航线,确保无人机处于自主飞行状态。本研究目的是研发通用性特征的无人机航迹规划与监控系统,在阐述设计该系统原则基础上,详细介绍无人机航迹规划与监控系统分层架构及用户控制层、数据管理层等,并提出开展各项测试。结果表明,所设计系统能顺利通过测试,达到实际应用的需求。     

基于改进动态规划的无人机搜寻航迹规划研究

针对传统动态规划算法在无人机航迹规划中存在耗时长以及冗余节点的问题,提出了一种基于多阶段决策的改进动态规划算法.在单向动态规划算法中加入双向策略,结合顺序法和逆序法以减少搜寻空间的状态总数;利用区间单调性和四边形不等式进一步减少每次决策涉及的状态点,得到优化后的状态转移方程,降低了搜寻的时间复杂度.最后,对改进动态规划...     

基于改进量子遗传法的巡航导弹水平航迹规划

航迹规划是巡航导弹任务规划的核心,针对巡航导弹发射目标应满足多性能指标的航迹规划。为确保巡航导弹高效完成作战任务,提出要以巡航导弹水平航迹规划为应用背景,将量子遗传算法应用到巡航导弹的航迹规划中,首先在传统量子遗传算法基础上了引入了量子门旋转角步长动态调整机制、增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率。通过仿真验证了改进算法比GA算法、传统QGA算法具有更快的收敛速度和全局搜索能力,适用于巡航导弹的水平航迹规划,为巡航导弹多目标发射规划提供了依据。     

基于多智能体遗传算法的无人机突防航线规划

针对无人机突防航线规划中需要威胁规避以及低空突防的问题,结合智能体自学习自适应的特点,提出了基于多智能体遗传算法来解决航线规划问题.采用自适应交叉和变异,改进自学习算子中获取下一代智能体的方法,将智能体和遗传算法的优点结合起来,达到了全局最优的效果.通过和传统遗传算法进行仿真比较,相比之下,基于多智能体的遗传算法可以有效规避威胁源,并能实现低空突防的效果,整体所需的航程代价小,运算速度快.     

基于遗传算法的飞行器参考航迹规划

针对飞行器航迹规划问题展开研究,为了规划出最优满意的飞行轨迹,分析了飞行器航迹规划中存在的威胁与自身约束条件,提出了一种关于遗传算法的航迹规划方案,采用改进编码机制对飞行器在已知威胁情况下飞行航迹进行整体规划。取航迹个体只包含一个染色体,每个染色体为一个航迹点序列,随机生成种群,通过选择交叉变异,并将各种威胁和约束条件的影响适当的加入到适应值函数中,得到优化路径进行仿真。仿真结果给出了不同加权比例下所得到的最优航迹,通过仿真验证了算法的有效性。     

基于改进蚁群算法的无人飞行器航迹规划

无人飞行器航迹规划是现代战争中实施远程精确打击,提高飞行器实际作战效能的关键技术。蚁群算法作为一种启发式仿生优化算法,能够有效应用于航迹规划中。针对基本蚁群算法在应用中容易过早陷入局部最优解这一缺点,提出自适应动态双种群蚁群算法的改进策略,通过信息素的震荡变化和挥发系数的自适应调整,扩大搜索空间,提高算法搜索的全局性。并将改进后的算法应用于无人飞行器航迹规划,通过实验仿真,证明了此改进算法在航迹规划应用中的可行性和有效性。     

一种应用在反舰导弹航路规划中的算法

为了使具有航路规划功能的反舰导弹能够实时规划,减小武器系统的作战反应时间,提出一种信息处理量小、计算迅速的航路规划算法:递推算法.递推算法是在考虑导弹的机动能力和各项约束的条件下,秉承导弹完成转弯所需导航点最少的原则,根据一定的假设条件,由目标位置开始,按攻击方向的反方向,依据平面几何知识,依次递推得到所有导航点位置,直至发射点,从而得到导弹参考航路.仿真结果表明,由该算法得到的参考航路能够满足导弹实时规划要求,而且便于工程实现.     

一种求解最优路径的改进遗传算法

在应用遗传算法进行路径规划时,本文针对遗传算法的＂收敛盲目性＂和＂收敛速度慢＂两个难题,结合模拟退火算法对适应度函数进行改进,结合禁忌搜索对变异算子进行改进,并且在进化过程中使用改进的自适应方法调节交叉概率与变异概率。算法的分析和测试表明,本文算法的改进是有效的。     

改进遗传算法在机器人路径规划中的应用研究

针对静态环境下机器人全局无碰撞的路径规划问题,提出了一种将顶点图像法与遗传算法结合起来的路径规划的方法。利用顶点图像法建立了机器人的路径模型,将候选路径表示为二进制位串的形式。在此路径模型的基础上设计了适应度增量计算法,提高了算法的收敛速度。提出了将差距大的染色体进行配对的改进染色体配对方式,保证了种群的多样性。仿真实验结果验证了该方法的有效性和可行性。     

基于改进蚁群算法的多无人机航路规划研究

无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理.     

基于遗传算法的飞行航路规划

飞行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飞行航路规划的相关知识来求解问题。首先,根据飞行航路规划中导航点属性复杂的特点,扩充导航点的模型,并在此基础上采用导航点链表形式的自由编码。第二,为加速规划的进程,同时保证充分的随机性和广泛性,初始群体构造采用端点启发初始化方法。第三,适应度函数由惩罚函数和代价函数组合计算,其中惩罚函数对应问题的约束条件,而代价函数对应问题的目标。第四,采用启发式交叉和启发式变异。最后,通过剖面优化操作实现高度维上的调整。仿真结果证明这是适于所研究问题的有效方法。     

基于改进遗传算法的移动机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高。将改进遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束,路径点必须在障碍物之外,路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化。计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高。     

基于改进遗传算法的移动机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高。将改进遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束,路径点必须在障碍物之外,路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化。计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高。