遗传算法在航迹优化中的应用研究

提出一种基于遗传算法的航迹优化方法．主要是用遗传算法设计优化了一类巡航导弹航线．在此过程中根据所设计航迹要满足避开地空导弹、高炮、歼击机群、电磁脉冲等火力单元和地形地物障碍,并且满足航迹路径长度短、耗油量少等约束条件,对航迹优化提出了一种算法和一个航迹规划代价评判模型．建立了一个基于VC^＋＋和MATLAB软件平台开发的巡航弹航迹优化仿真软件．经仿真实验证明该方法典型性强,处理的信息量小,实时性也较好,具有一定的理论和使用价值．     

一种无人机分层三维航迹规划方法

针对SAS算法在三维航迹规划问题应用中的不足,提出了一种基于分层策略的三维航迹规划方法。该方法分为两个层次:粗粒度的SAS快速航迹规划和细粒度的遗传算法优化。SAS算法以较大步长快速找到搜索图中的最优解,建立航迹通道。在航迹通道内利用改进的遗传算法对航迹进行优化。设计了一种定向变异算子用于航迹的平滑。仿真实验表明,该方法规划的三维航迹能满足地形跟随和规避威胁的要求,同时具有良好的平滑特性。     

基于改进遗传算法的最快爬升航迹的优化分析

主要介绍一种基于改进遗传算法的优化技术,利用遗传算法优越的全局搜索的能力,研究了飞行性能中的最快爬升性能.使用改进遗传算法对快升航迹和最佳爬升速度进行了寻优优化,对遗传算法优化快升的航迹和接近最快爬升方式的航迹进行了对比,表明,以遗传算法优化的快升航迹进行爬升,飞机可以最快的爬升到巡航高度.而且本算法以及程序具有一定的通用性适用于其它求最佳轨迹爬升的航迹优化.     

基于量子遗传算法的无人机冲突解脱方法

飞行冲突解脱对于无人机飞行安全至关重要,遗传算法(genetic algorithm, GA)在解决无人机冲突解脱时存在求解速度慢、产生的延误距离较大等缺点,针对这些缺点,提出一种基于量子遗传算法(quantum genetic algorithm, QGA)的无人机冲突解脱方法。该方法采用了量子比特编码,设计加入了延误指数函数强制优化策略和变航向优化策略,通过利用量子旋转门实现个体的演化,并在延误距离、冲突解脱航迹等多方面与遗传算法进行了对比实验。仿真实验结果表明,该方法与遗传算法相比,求解速度更快,解的质量更高,所得解脱航迹更平滑,能获得较小的飞行延误,在无人机冲突解脱方面具有有效性和良好的应用价值。     

基于改进蚁群算法的巡航导弹三维航迹规划

针对巡航导弹三维航迹规划的复杂性及其搜索空间大且效率低的问题,提出了一种基于改进蚁群算法的航迹规划方法.将生存概率的优化目标函数由乘积最大化形式转化为和最小化形式,并与航迹段长度的优化目标函数形式一致,提出了允许后续航迹点的概念,将地形条件与航迹规划的约束条件加入搜索算法中,以使规划的航迹更符合实际情形且搜索空间减小,从而提高三维空间航迹规划的效率.仿真实例结果表明,所提出的规划方法可以规划出具有较大生存概率且可接受航程的航迹.     

基于遗传算法的无人机航迹规划研究

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用Dijkstra算法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实验,结果验证了遗传算法能提高航迹质量。     

基于引导点的无人机三维航迹规划方法

为提高无人机航迹规划的速度,提出了一种基于引导点的航迹规划方法. 该方法结合了不同规划方法的优势,将无人机航迹规划分为两个层次:全局规划和局部规划. 全局规划利用遗传算法规划出最优或次优的区域点集,然后产生区域的引导点列;局部规划根据全局规划提供的引导点列,利用SAS(sparse A search)算法快速规划出满足约束条件的可行航迹. 仿真实验表明,该方法较好地结合了遗传算法和SAS算法的优势,规划航迹效果优于单一的遗传算法和SAS算法,并且有效地提高了规划速度.      

基于混沌遗传算法的航迹优化研究*

在实际作战环境中,如何选择最优的航迹路线是无人机任务规划系统中最重要的问题之一。首先,在有效巡查区域中建立以总路程最少和时间均衡度最小的双目标航迹优化模型,然后提出一种基于混沌遗传算法的航迹规划;该算法利用Logistic混沌序列确定遗传算法交叉和变异点,保证了算法收敛精度,削弱了因交叉强度大而产生的抖振问题,并将该算法应用到了航空规划问题上进行实验仿真,仿真结果表明该方法提高了遗传算法的精确度。     

一种基于地形跟踪的航迹优化算法

以地形跟踪／地形回避为基础,提出了用轨迹的侧向仰角代替航迹的高度作为航迹规划的隐蔽性代价的概念．该方法结合航迹的航程代价和飞行器的各种机动能力约束,可以达到对已有航迹的优化作用,同时也可直接进行简单的控制点航迹规划．仿真研究结果表明,该算法满足飞行器飞行的各种条件,是一种可行方法,该方法速度快、规划出的航迹可以有效提升飞行器在飞行过程中的生存能力,可以在用于任务规划的同时,达到对航迹进行优化的目的．     

复杂动态环境下基于DMPC-PSO的多无人机在线航迹规划

本文采用"有限集中指挥-分布式自主协调"的控制结构,研究多无人机协同低空突防航迹规划,对战场环境信息部分已知的情况,提出了多无人机航迹"预规划-在线轨迹跟踪"的模式,采用分布式模型预测控制和粒子群优化(DMPC-PSO)算法对多无人机的航迹进行预测和优化.仿真结果表明:利用该方法规划的多无人机的航迹不仅要满足低空突防的要求,具有良好的地形跟随、地形回避、威胁回避性能,更具有高的实时性与环境适应性,能在复杂战场环境发生变化时,及时在线调整以满足无人机安全、航迹最优等性能的要求.     

面向选择性游览的景区路径推荐算法应用研究

针对目前景区路线推荐基本都从景点的热门程度以及游客可用时间的多少选择旅游路线,很少考虑到游客的个性化需求以及游览效率的现状,提出了一种基于个性化和游览效率的面向选择性游览的景区路径推荐（STRR）算法。首先通过将景区的空间结构离散化,获取游客想要游览的景点;再基于离散粒子群（PSO）算法提出利用优先级规则改进位置更新的方法,快速得到一条满足游客个性化需求的最短路径;最后以北京化工大学东校区为例利用平面仿真进行了实例验证。实验结果表明,STRR算法能够得到一条既满足游客个性化需求且游览效率最高的路径,并在计算效率方面比其他算法具有更好的优越性。     

一种无线传感器网络中不同业务的区分服务机制

提出了一种适合无线传感器网络(WSN)业务的区分服务方案-轮询路径调度算法(Round Robin Path Scheduling,RRPS).该方案根据路径能量瓶颈梯度和跳数梯度这两个主要参数来为不同等级业务分配不同的路径,同时以轮询方式选择路径来均衡网络中各个节点的能耗.实验结果表明,与直接扩散路由算法相比,RRPS能降低实时业务的端对端延时和延时抖动,并提高网络生存期.     

基于遗传算法的鲜活农产品收购路线优化研究

鲜活农产品由于保质期短,需要在最短的时间内完成收购并运送到市场销售,因而收购路线的优化是一个重要问题.针对这一问题,分析了农产品收购路线优化与普通物流路线优化的区别,提出了路线优化的数学模型,再应用改进遗传算法对收购路线进行优化,得到最优农产品收购路线,经实例证明,此改进的遗传算法是有效的.     

终端区进离场航线网络3D优化方法

为提高终端空域飞行航线设计的安全经济性与自动化水平,对航线网络3D优化问题进行了研究。针对独立航线的优化问题,采用蚁群算法优化水平方向安全经济性航线;根据终端空域航线垂直剖面数据,提出一种基于核密度估计的3D航线垂直剖面优化方法。分析得到进离场航线网络优化次序原则,逐步优化各航线,最终实现航线网络的总体优化。通过西安/咸阳机场终端区的算例分析,表明该优化方法在保证航线安全经济性同时,运行效率有很大提高。     

基于遗传算法的旅游线路优化

旅游线路设计问题是旅游规划研究中的一个重要课题.科学的旅游线路设计是旅游业发展到一定阶段的必然要求.提出了一种新的旅游线路优化方法,即将遗传算法理论引入到旅游线路优化之中.根据旅游线路设计的特点对遗传算法进行了改进,建立了基于遗传算法的旅游线路优化算法.通过仿真实验,较快地找到了问题的最优解,证实了将遗传算法运用于旅行线路优化之中的有效性,并绘出了最优旅行路线图.     

Ad-Hoc网络中一种可靠的节点不相交多路径路由算法

提出了一种可靠的节点不相交多路径路由算法(RNDMRA). 结合预测模型和能量模型,利用网格中节点的地理信息,有效减少路由发现泛洪的频率. 同时为了选择与最短路径相似的稳定多路由,RNDMRA应用相似性因子选择相似的稳定节点不相交多路径路由. 模拟结果显示,与AODV和NDMR相比,RNDMRA有更高的投递率,更小的路由延迟和路由负载.     

移动ad hoc网络中的混合式多路径路由算法

针对移动adhoc网络中的拓扑结构具有快速动态变化的特点,提出了一种混合式多路径路由算法(HMPR),该算法不要求各条路径一定是不相交的,通过理论分析表明,这种多路径算法在稳定性较差的链路条件下具有更好的路由可靠性。在HMPR中,还提出了一种估计链路寿命统计特性的方法,所得结果用于寻路策略。在寻路过程中,提出了一种联合选路规则以选择最佳路径。仿真结果表明:HMPR算法可充分利用网络局部拓扑结构的稳定性,预测路径寿命,从而提高所选路径的可靠性,它以比现有的路由算法略大的开销提高了数据包投递率和传输时延性能。     

基于超网络的多模式交通的随机网络加载问题

基于超网络理论构建了城市多模式出行网络模型,同时考虑路径出行时间、换乘次数以及拥挤等影响因素,建立路径的广义费用函数。在此基础之上,重新定义了有效路径的含义。结合图论中深度优先遍历算法与回溯法的思想,提出有效路径的搜索算法,并通过改进的Dial算法实现对城市多模式出行网络上交通流的随机网络加载。最后,利用本文建立的多模式出行网络对算法的可行性和有效性进行验证。结果表明,该算法适用于求解城市多模式出行网络上交通流的随机网络加载问题,并且可以避免原始Dial算法在求解交通分配问题中可能出现的不合理结果。