共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
反舰导弹航路规划快速搜索算法 总被引:3,自引:0,他引:3
反舰导弹航路规划是众多航路规划问题中最复杂的一种.目前大多数航路规划算法得出的航路与反舰导弹航路差别很大,难以应用.为此,针对反舰导弹航路特点提出一种快速搜索算法.该算法在航路规划问题空问的基础上引入任务空间的概念,通过在任务空间中快速搜索通行障碍的方法来最大程度的缩小搜索区域,最后通过动态节点规划的方法搜索到最优航路.仿真结果表明由该算法得到的参考航路能够满足反舰导弹快速、实时航路规划的需要,便于应用. 相似文献
6.
7.
在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明:生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。 相似文献
8.
基于Voronoi图和蚁群优化算法的无人作战飞机航路规划 总被引:3,自引:0,他引:3
无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性. 相似文献
9.
10.
为了降低无人机航路规划的运算量,减少规划时间,确保算法对于任意形状威胁区域和地形的适应性以及所规划航路的准确性,提出了一种新颖的LA-Star算法用于无人机航路规划。首先把威胁区域和禁飞区域简化为圆形,利用Laguerre图算法进行航路预规划,在此基础上简化二次规划空间的范围,之后恢复威胁区域和禁飞区域的真实形状,在简化后的规划空间内使用改进A Star算法实施二次航路规划,最后对生成的航路进行自优化处理。仿真结果证明了LA-Star算法满足航路规划的实时性和准确性要求。 相似文献
11.
12.
13.
基于蚁群算法的随机Petri网最优路径序列寻找 总被引:2,自引:0,他引:2
根据蚁群算法对SPN进行了一定的扩展,为SPN网络中的变迁增加了过滤和保留信息功能,为库所增加了过滤信息的功能,得出了一种带有记忆性的连续时间随机Petri网(MESPN).当MESPN运行时,利用充足量的托肯在网络中行走并且在行走过程中留下信息素来调整托肯路径的选择,使大量蚂蚁的行走路线不断逼近SPN网中时间延迟更短的变迁序列,最终在最短变迁序列上形成清晰的蚁路,从而在一定程度上解决了复杂SPN网的最优路径寻找问题.该算法充分考虑了每个变迁真正实施时间的概率特性,可以计算任意网型的变迁延迟时间概率分布.仿真结果表明,托肯可以有效地在最短延时路径上形成蚁路并且能够求得从初始库所到网络中任意库所的最短路径. 相似文献
14.
蚁群算法进行连续参数优化的新途径 总被引:27,自引:0,他引:27
提出用蚁群算法进行连续参数优化的一种方法 .该方法对解的每一个分量的可能的取值组成一个动态的候选组 ,并对候选组中的每一个值记录其信息量 .在蚁群算法的每一次迭代中 ,首先根据信息量选择解分量的初值 ,然后使用交叉、变异操作来确定解的值 .以非线性规划问题为例所进行的计算结果表明 ,该方法比使用遗传算法具有更好的收敛速度和稳定性 ,克服了蚁群算法不太适合求解连续参数优化问题的缺陷 . 相似文献
15.
16.
一种求解连续空间优化问题的改进蚁群算法 总被引:22,自引:1,他引:22
蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。 相似文献
17.
求解连续函数优化问题的改进蚁群算法及仿真 总被引:3,自引:0,他引:3
蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径. 相似文献