基于改进人工蜂群算法的无人机三维航迹规划

为应对无人机遇到的复杂任务状况,提高航迹规划效率,提出一种基于改进人工蜂群算法的无人机三维航迹规划方法。为降低无人机三维航迹规划的难度,将航迹规划数学模型通过简化建模转化为函数优化问题;为提高航迹优化效率,通过改进蜜源初始化方式、引入动态评价选择策略、引入Metropolis准则等方式对传统人工蜂群算法在该问题求解中的缺陷进行改进,通过MATLAB进行20次仿真实验,验证了改进人工蜂群算法在无人机三维航迹规划中的可行性和优化效率。     

根据迁移策略并行遗传算法的模板匹配研究

模板匹配是提高智能识别与实物提取的有效途径。为了提高传统模板匹配方法的效率和精度,提出了一种遗传算法协同迁移策略的模板匹配算法,研究本算法在图像匹配过程方面的优选性及实现。遍历式搜索是匹配精度最高的传统算法,其时间复杂度以平方的规模增长。该算法在保证精准匹配的同时有效地减少了每个搜索位置的计算量,且仿真结果表明匹配结果基本稳定,准确率达99.3%以上,高于一般算法,优化后能满足工业实时性的要求,模板匹配时间同模板大小成反比,受软硬件影响。     

基于改进人工蜂群算法的多无人机协同任务规划

多无人机协同任务规划是多无人机协同作战的关键.针对无人机信息共享、多任务能力等特点提高了任务规划难度,考虑战场威胁分布、目标任务时序、无人机续航时间等因素,建立了多无人机协同执行多目标的多任务规划数学模型.通过引入动态评价选择策略、引入Metropolis准则等方式提出改进人工蜂群算法(IABC)对该模型求解.通过对多无人机协同任务规划模型进行求解分析,验证了该模型和规划算法的正确性和有效性.