基于改进遗传算法的协同航路规划研究

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,同时到达进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标.针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证.仿真结果表明该方法可以有效地规划出协同航路.     

受限通信下多基地多无人机协同搜索多目标任务规划问题

针对多无人机协同搜索多目标的多旅行商航路规划问题(multiple traveling salesman problem,MTSP),建 立一种多目标、多基地、目标有通信限制的多无人机协同侦察任务规划模型。考虑完成任务所需时间、总搜索路径 长度及任务均衡性,利用量子遗传算法进行优化;针对侦察目标受通信类型限制模拟仿真。结果表明,该模型能得 到完成侦察任务的最优航线。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

多UCAV协同任务规划技术研究

针对多UCAV协同作战的控制决策问题,提出了分层解决多UCAV协同任务规划的框架。重点讨论了在该求解框架下的多UCAV协同任务分配模型,然后利用遗传算法在费效比最低的原则上对模型进行了仿真计算。仿真结果表明：该方法在保证任务分配实效性的同时提升了分配的效果。     

多异构无人机覆盖搜索任务区域分配方法研究

针对多异构无人机协同覆盖搜索中的任务区域分配问题,提出了一种分析求解方法。首先,对机载传感器探测机理进行了分析,提出了一套UAV对地探测性能参数指标的整合、确定方法;其次,根据确定的性能参数在综合考虑编队整体航路代价和时效性代价的基础上建立了任务区域分配模型;最后,通过仿真校验了方法的有效性并得出了任务区域的面积分配结果。     

改进遗传算法的多机超视距协同空战目标分配方法

针对多机超视距协同空战中的目标分配问题,依据协同空战攻击决策的度量指标,构建交战优势矩阵,建立整体优势函数;在此基础上,考虑目标分配整体均衡策略,引入目标分配密集度和目标分配均匀度两个指标用于目标均衡和任务均衡分配,改进整体优势函数,从而合理利用作战资源;考虑传统遗传算法解算速率不高的缺点,提出了一种改进的遗传算法,该方法能快速寻优满足实时性要求.     

基于改进蚁群算法的巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

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.     

多约束条件下飞行器航路规划

飞行器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航路规划的相关知识来求解问题,给出一种解决多约束规划问题的方法。首先。提出了一种航迹极坐标编码方式,将航路规划中的部分约束融人到算法模型中并加以解决;第二,采用目标函数的方式解决航路规划中的部分约束。     

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。     

基于遗传算法的反辐射无人机航路规划

采用遗传算法对反辐射无人机进行了航路规划,并对算法进行了相应地仿真。仿真结果表明．文中提出的遗传算法模型．能够迅速地寻找到最优航路。     

改进遗传算法在协同干扰资源分配中的应用

针对敌方雷达网的多干扰机协同干扰资源分配问题,提出了一种基于二维整数编码的改进遗传算法。首先,根据不同干扰样式在不同恒虚警检测器中的干扰效果差异,从压制概率公式出发,构建目标函数,然后根据分配原则建立干扰资源分配模型,最后利用改进遗传算法对模型寻优求解,并给出具体求解步骤。仿真结果表明,改进遗传算法收敛稳定性好,全局寻优能力强,能很好解决雷达干扰资源协同优化分配问题。     

求解多机协同任务规划的改进遗传算法

针对多无人机协同任务规划问题,提出一种改进的遗传算法。根据每个目标所需执行的任务类型,采用矩阵式编码方式,引入启发式规则来确定各飞机执行其所要执行任务的先后顺序,并采用模拟退火算法来对结果进行局部优化。实验结果表明,该算法能有效求解多机协同任务的规划问题。     

未知环境中的无人侦察机动态航路规划

高空长航时无人机执行侦察任务时往往需要进人不确定的战场环境下搜集各种情报信息。由于该类型无人机一般存在航时长、监视或侦察范围广、目标数量大等问题,因而对无人机的飞行安全环境存在高威胁因素。针对该问题,提出了一种无人机侦察航路规划方法。首先根据获得的先验信息建立参考航路,然后综合考虑基于目标发现概率建立的环境信息模型,基于机载传感器获取信息构建的威胁模型以及决策系统,选定最优侦察飞行航路,最后对航路进行评估。仿真结果表明,该方法能够有效地完成规划任务,获得较满意的航路。     

基于遗传算法的航路规划TSP问题研究

文中将航路规划转化为多目标规划TSP问题,建立了航路规划的TSP数学模型,并提出一种基于遗传算法求解最优航迹的搜索算法,最后给出了计算机仿真结果验证了该算法的可行性.     

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。     

基于任务区分的无人机航路规划方法

军用无人机飞行航路必须基于作战任务规划,在任务完成和飞行安全之间体现不同侧重.文中将无人机航路规划问题区分为固定航路规划和突防航路规划,阐明了各自的规划要点,提出的基于任务完成度的固定航路规划方法和基于改进蚁群算法的突防航路规划方法,能够满足无人机不同作战任务需求.通过算法仿真和作战仿真系统的应用实践,证明了文中方法的合理性和实用性.     

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。     

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...     

陆战场多通道工程保障任务分配方法

为解决陆战场多通道工程保障任务分配问题,提出基于改进遗传算法的任务分配方法。以任务完成时间 等要素为优化目标,并考虑任务执行顺序等约束,构建工程保障任务分配模型;在遗传算法中加入爆炸算子,并结 合多维动态列表调度的贪心分配思想进行算法改进,形成任务分配方法;基于作战案例进行仿真实验,通过任务分 配方法进行方案求解以验证该方法的有效性和优越性。