基于蚁群算法的最小代价航迹规划仿真

在大比例尺地图的路径规划中,由于飞行器全局航迹规划需要计算机存储的栅格点数量巨大,存在维数爆炸问题,使得航迹解算计算量激增,因此提出1种改进的蚁群算法,将栅格由大及小进行划分,利用大栅格为飞行器选择相对平滑和离散度低的飞行地形,利用小栅格为飞行器提供相对精确的全局飞行航迹,将栅格带所有栅格的代价之和作为航迹代价,从而选出1条航迹代价最小的路径．该算法将蚁群算法的信息素更新机制更加合理地应用到航迹规划中．仿真结果表明,该方法能解决航迹维数解算问题,可以将一系列栅格点组成的路径点集合为最优解,为飞行器提供最优航迹规划路径．     

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。     

基于自适应蚁群算法的救援直升机航迹规划

基本蚁群算法在航迹规划的应用中缺乏足够的鲁棒性,存在收敛性能较差的问题,针对基本蚁群算法容易出现局部停滞的现象,提出了一种自适应蚁群算法的救援直升机航迹规划方法,建立了救援距离最短和救援效率最高的数学模型.为了保持搜索的平衡性和收敛性,自适应蚁群算法从信息素挥发系数和信息索强度两个方面动态地调整信息素,并根据救援目标的紧急程度对信息素参数化.仿真结果表明,改进的蚁群算法避免了出现局部最优,有效地提高了搜索收敛速度.     

基于改进蚁群算法的无人机三维航迹规划研究

蚁群算法求解无人机航迹规划问题具有较大优势,针对传统蚁群算法易陷入局部最优、收敛速度较慢的缺点,论文从非均匀初始化信息素,增加目标点距离和相邻航迹转角的启发信息,在概率选择状态转移策略的基础上融入确定性选择策略以及引入动态调整信息素总量的自适应信息素更新机制等四个方面改进传统蚁群算法。通过仿真实验,验证改进算法可兼顾全局搜索能力和较快的收敛速度,提高了无人机的航迹规划性能。     

基于改进蚁群算法的三维航迹规划

针对蚁群算法在无人机（UAV）三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点,提出了一种基于改进蚁群算法的无人机（UAV）三维航迹规划方法。该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子,从而降低了航迹搜索空间的复杂度,提高了算法的搜索效率和收敛速度。在利用DEM数字高程数据建立的搜索空间中,该算法与现有算法相比,规划航迹缩短约24.08%,运行时间减少约11.56%,表明改进蚁群算法在无人机（UAV）三维航迹规划中的可行性和有效性。     

基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

一种基于PSO的多UAV协同航迹规划方法

本文针对多无人飞行器(UAV)协同执行任务的应用场景,提出了一种综合考虑任务分配和航迹规划因素的航迹规划算法。该算法借鉴微粒群算法(PSO)的思想,采用新的编码方式和优化策略。仿真实验验证了算法的有效性。     

基于改进蚁群算法的直升机航迹规划仿真

提出了基于改进蚁群算法的直升机航迹规划仿真过程,直升机在执行任务的过程中,有效地利用地形以躲避雷达扫描是直升机提高其生存能力的关键手段。利用真实地形的DEM数字高程建立真实地形;根据目标与雷达的交会几何关系,推算出雷达在真实地形中扫描的盲区;并针对传统的蚁群算法缺点,提出一种改进的蚁群算法仿真飞机飞行通过雷达区域,为其选择一条安全的飞行路线,使直升机从起始点到目的点的路径最优,从而达到提高战斗效率的目的。     

基于K路径算法的多无人机协同航迹规划

对于满足无人机团队中各机同时到达目标这样一个特定的协同要求,首先采用K路径算法实现了无人机的多航迹规划,然后采用速度控制和K路径算法相结合的办法实现了各无人机之间的时间协同.对整个协同航迹规划问题,采用一种分散式求解方法,把高维优化问题分解成低维、计算量小、通讯数据少的问题.     

一种多飞行器协同航迹规划的新方法

在综合考虑飞行器编队的飞行代价和作战效果的基础上,提出了一种多飞行器协同航迹规划的新思路,将飞行器编队的协同航迹规划与任务分配结合起来考虑,研究基于任务分配的多飞行器协同航迹规划方法.对传统的飞行器航迹规划模型加以改进,重新建立了结合任务分配的飞行器编队协同航迹规划模型.运用遗传算法对构建的航迹规划模型进行仿真验证,结果表明,基于任务分配的飞行器编队协同航迹规划方法,不仅能保证各飞行器选择合理的协同航迹,也使得作战任务可以获得最佳作战效果,有效的提高编队作战的效费比.     

基于改进蚁群算法的机器人轨迹规划

为优化机器人末端执行器的工作轨迹,提高工作效率,减少能量损耗,建立了以运动时间和路径最短、冲击最小为目标的优化模型。在传统蚁群算法的基础上,引入带方向信息的全局启发因子来提高最优路径的搜索效率,并利用蚂蚁的死亡机制和惩罚函数来避免遇到陷阱时形成的路径死锁情况。测试结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出满足条件的最优路径。     

基于改进蚁群算法的滚筒截割轨迹规划

针对采煤机滚筒容易截割到岩石等情况,造成采煤机部件损坏、增加煤中矸石含量等问题,提出了一种基于改进蚁群算法的滚筒截割轨迹规划方法.通过分析普氏系数与电流、牵引速度等参数之间的数学关系模型,根据其参数对工作面信息进行描述,采用栅格建模法构建栅格工作面模型;对蚁群算法的信息素更新机制进行了改进,利用改进后的算法在虚拟栅格工作面中对滚筒截割轨迹进行规划,并采用三次B样条对其规划得出的最优或次优截割轨迹离散点进行拟合,从而得到一条平滑的滚筒截割轨迹.仿真结果表明,在复杂地质条件下,改进算法能较好地对截割轨迹进行规划,有效避免滚筒从任意起点截割到岩石等情况,三次B样条能很好地进行曲线拟合,拟合后的截割轨迹更加平滑,有利于引导采煤机滚筒自动截割.     

基于规划图的蚁群规划算法

图规划是智能规划领域近年来出现的一种重要规划方法,对智能规划的发展起到了很重要的推动作用,图规划算法首先扩展生成规划图,然后通过逐层组合不断回溯的穷举方式进行解提取,这种方式使解提取不仅耗时而且容易陷入局部搜索中.在规划图基础上定义了蚁群智能体,并定义了在规划图上的蚁群搜索方式,提出了蚁群规划算法,使搜索具有较好的全局性和并发性,并具备加速收敛的寻解能力.实验表明,蚁群规划算法在求解一些相对规模较大的规划问题时有更好的优越性.     

自适应蚁群算法的移动机器人路径规划

针对传统蚁群算法在路径规划中存在收敛速度和寻优能力不平衡，算法易陷入局部最优等问题，提出一种自适应改进蚁群算法。为了提高算法收敛速度，在栅格环境下，根据最优路径的特点以及实际环境地图的基本参数，对初始信息素进行差异化分配；为了提高蚂蚁搜索效率，在状态转移概率中引入转角启发信息并对路径启发信息进行改进；重新制定信息素更新策略，设定迭代阈值，调整信息素挥发系数和信息素浓度，使算法在迭代后期依然具有较强的搜索最优解能力；采用分段三阶贝塞尔曲线对最优路径进行平滑处理以满足机器人实际运动要求。通过实验仿真与其他算法进行对比分析，验证了改进算法的可行性、有效性和优越性。     

基于蚁群算法的产品拆卸序列规划方法

拆卸是回收的前提,为了得到最大的回收效益,对拆卸序列进行规划,得到最优的拆卸序列.根据拆卸的特点构建适合计算和优化的产品拆卸混合图模型,该模型描述了零部件之间的连接关系和优先关系.然后通过几何推理方法产生所有可行的拆卸序列,建立目标函数并构建适合拆卸序列规划的蚁群算法:设计了满足连接关系和优先关系的可拆卸零件搜索空间,得到最优或接近最优的拆卸序列.最后通过实例验证了该方法的实用性和可行性.     

基于蚁群优化算法的目标拆卸序列规划

为了能够以较高的效率求解出产品中目标零件的拆卸方案,基于产品中零件间的拆卸优先约束关系,提出并建立目标零件的拆卸层次信息图模型,将目标零件的拆卸序列规划问题转化为对该图模型中具备最优值的路径的搜索和寻优问题.同时,提出一种改进蚁群优化算法,以实现对目标零件拆卸层次信息图的构建和对拆卸方案的搜索与寻优.最后通过实例验证了该方法的可行性和计算效率.     

基于改进蚁群算法的改航路径规划

鉴于传统改航路径规划方法目标单一、计算复杂的问题,文中提出了一种基于改进蚁群算法的多目标航班改航路径规划算法。首先在初始化时使信息素与到终点的距离相关联;然后在蚂蚁移动时采用约束规则建立个体解;最后在得到蚁群算法优化的路径后,运用文中介绍的优化算子再次进行优化。最终在块状和离散状飞行限制区下进行仿真实验。结果表明改进的蚁群算法明显优于其他算法,能得到改航点少,偏移量小,路径短的航线。     

基于蚁群算法的机器人路径规划

用栅格模型表示工作环境,确定机器人运动起始结点和目标结点后,对工作环境进行分析,选取起始点与目标点之间连线附近的若干栅格,以被选取栅格为关键点,采用蚁群算法分别计算关键点与起始点和目标节点之间的最短路径,求取全局最短路径。仿真验证,该方法简单有效。