双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

基于运动目标预测的多无人机分布式协同搜索

多无人机(unmanned aerial vehicle, UAV)协同搜索是多UAV协同一个重要研究方向。随着战场环境的复杂化,UAV对动态时敏目标的搜索显得尤为重要。针对动态时敏目标的运动特性,首先建立动态时敏目标的运动预测模型,为了降低由于目标运动造成的不确定性以及优化UAV的搜索性能,在采用贝叶斯理论对目标存在概率进行更新的基础上,研究了一种基于高斯分布的目标转移概率密度,通过计算得到动态时敏目标的存在预测概率,然后合理建立UAV协同搜索的性能指标函数,在分布式模型预测控制框架下,将多UAV集中式在线优化问题转化为各架UAV的分布式在线优化问题,最后对性能指标函数进行优化求解。通过仿真验证了所提方法的有效性。     

多UAV协同路径规划研究

将多UAV(Unmanned Aerial Vehicle无人飞行器)协同路径规划分为单机路径规划与多机协同。多机协同在单机路径规划基础上考虑各机的飞行时间、战术攻击策略等。先为每一UAV规划可飞航路,然后以攻击时间为协同变量,对规划路径进行调整,在部分UAV的路径中加入附加机动并(或)调整飞行速度和高度,实现多UAV的协同。仿真试验验证算法有效。     

多UAV协同区域覆盖搜索研究

针对多无人机协同区域覆盖搜索问题,为降低问题求解的复杂度,将其分解为多UAV任务区域分配和完全覆盖路径规划两个子问题,对子问题分别优化求解。建立了无人机任务执行代价模型,采用分层模糊推理求解无人机的性能评估指数,根据性能评估指数采用基于面积的区域分割方法实现多无人机搜索任务区域的分配。分析了无人机实现区域内覆盖搜索的最优路径问题,给出了在特定多边形区域下最小代价的搜索模式和搜索路径。仿真实验结果验证了所给方法的有效性。     

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

机器人救援的目标吸引动态路径规划蚁群算法

地震发生后城市的道路状况未知而且复杂多变,因此,在震后机器人救援中,如何快速地找到最短路径以拯救更多的伤员,成为研究的热点问题。提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间。利用原有城市交通地图的全局信息建立目标吸引函数,对蚂蚁在复杂动态环境下的路径搜索进行引导,提高其选择离目标点更近邻节点的概率,减小蚂蚁对非最短路径的选择概率。通过与MMAS算法进行仿真实验对比,验证了提出的算法可以更快地收敛到最短路径并具有较好的动态性能。     

概率地图UAV航线规划的改进型蚁群算法

采用蚁群算法对基于概率地图(PRM)的UAV航线规划问题进行研究.在概率地图对战场环境进行描述的基础上,对航线规划蚁群算法进行设计.针对基本型蚁群算法易于出现停滞现象以及搜索效率不高的特点,将再励学习(RL)机制引入到基本型蚁群算法中,提高了算法的搜索效率和求解精度.仿真结果表明该方法是一种有效的航线规划方法.     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

无人侦察机路径规划方法研究

将无人机的侦察任务分为点状,线形和区域三类典型侦察任务.综合考虑探测传感器的特性,针对线形侦察任务,提出侦察走廊的概念;改进启发函数,基于A*算法有效解决点状、线形侦察任务路径规划问题;考虑飞机转弯半径限制,提出解决探测盲区的方法;针对带禁飞区的复杂区域搜索侦察任务,将全区域分割成若干无禁飞区的子区域,采用深度优先遍历算法,获得子区域的搜索顺序,在保证侦察无遗漏的前提下,利用往复前进式搜索方式,就可对区域侦察任务进行全区域覆盖的路径规划.仿真结果证实了规划方法的合理性和有效性.     

SDN驱动的网络流量负载均衡路由优化算法

在5G网络数据流量剧增的背景下，针对5G网络流量负载均衡问题提出并评估了两种基于软件定义网络驱动的路由搜索优化算法。首先，建立了软件定义网络多约束数据传输路径选择模型；然后，针对所提模型提出了一种流量负载均衡广度优先搜索(load balancing scheme with breadth-first-search, LBB)路径优化算法，在广度优先搜索的过程中，设定一个动态流量阈值对链路进行实时监测，旨在寻找源节点到目标节点的最优数据传输路径。为了减少甚至避免不必要的搜索所造成的空间开销，进一步提出了基于深度优先搜索的迭代深化搜索(iterative deepening search with depth first search, IDDFS)路径优化算法，该算法限制了数据传输路径的每次搜索深度，并在搜索过程中优先选择可用带宽最大的链路进行深度优先搜索迭代优化。仿真结果表明了所提算法在资源利用率和网络吞吐量这两项关键性能指标上的优越性能。     

车载多无人机协同多区域覆盖路径规划方法

针对小型无人机在区域信息采集中的优势,考虑到复杂多变的应用情景,提出一种面向大面积多区域覆盖扫描任务的车载多无人机协同模式。该模式中,车辆可作为无人机的移动基站,与多架无人机协同完成多个大面积区域的覆盖扫描任务。充分分析新问题特点后,建立了优化车辆地面行驶路径和多无人机协同空中飞行路径的0-1整数规划模型,提出了一种基于三阶段的智能优化算法,先后对多无人机区域覆盖路径以及车辆协同路径进行规划,快速构造可行解,而后基于自适应大规模邻域搜索算法对可行解进行优化。本文设计了包含8个目标区域的实际案例,验证了车载多无人机协同模式的优势和算法有效性,并进一步通过10个随机案例验证了算法性能。对比实验证明,车载多无人机协同模式在执行多个大面积区域覆盖任务上,相比车载单无人机模式能够显著缩短任务时间。     

对一类带聚类特征TSP问题的蚁群算法求解

蚁群算法是近几年提出的一种新型的模拟进化算法,初步的研究表明该算法具有极强的鲁棒性和发现较好解的能力,但同时也存在收敛速度慢的缺点。针对带聚类特征的TSP问题,提出了一种新型的蚁群算法。该算法利用TSP问题本身所具有的聚类特征,从数据域上将其分解成多个子问题,对每个子问题分别采用蚁群算法并行求解,最后将所有子问题的解按一定规则合并成问题的解。对带聚类特征TSP问题的仿真实验表明该算法的收敛速度得到了极大的提高。     

复杂环境下基于A*算法的无人机路径再规划

针对实际战场环境中规避突然出现的危险/威胁区域或任务变更时的无人机(unmanned aerial vehicle, UAV)路径动态再规划问题,为了适应复杂动态环境下危险/威胁区域需建模为圆形、凹/凸多边形以及可能存在相邻危险/威胁区域的间距较小甚至重叠的情形,对基于A*算法的线段求交无人机路径规划方法进行改进以适应圆形、凹/凸多边形危险/威胁区域同时存在的情形,提出了子节点安全性检测策略,采用基于A*算法的两步寻优路径搜索策略,进行UAV路径动态规划。仿真结果表明,采用本文提出的改进方法可实现上述复杂环境下的无人机路径动态再规划。     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

基于大规模FSP问题Block性质的SA算法

对于大规模流水线调度问题(FSP),模拟退火算法(SA)中邻域候选解的被接受概率,因邻域增大和邻域中的劣解数的增多而大大降低,SA算法的性能因而大为降低。针对这一问题,提出一种基于FSP问题Block性质的SA算法。将邻域划分成若干个子邻域,用子邻域中的最好解作为候选解,以提高候选解被接受的概率。引入FSP问题的Block性质,减小邻域尺寸,将搜索集中在邻域中“最有希望”的区域,进一步增强算法性能。数值仿真实验表明,该算法能在较短时间内获得大规模FSP问题的近优解。     

具有不同到达时间的差异工件批调度问题的蚁群聚类算法

研究具有不同到达时间的差异工件在单机环境下的批调度问题.通过引入工件单元的概念并对分批约束进行松弛,提出了该问题的一个新的下界,证明了该下界的有效性.将蚁群算法和聚类算法相结合,提出了一种基于多阶段聚类的蚁群聚类算法ACC(Ant colony clustering).算法首先利用K-均值聚类将工件分簇,在簇内部通过蚁群算法搜索分批,最后提出一个全局优化算法对局部分批结果进行合成和优化.克服了蚁群算法随着工件规模增大求解时间过长的问题,适合于求解大规模算例.实验结果表明:与现有的启发式规则LPTBFF(Longest processing time batchfirst fit)和HGA(Hybrid Genetic algorithm)算法相比,该算法求解效果更好.     

基于蚁群优化的多物流配送中心选址算法

提出了一种解决多物流配送中心选址问题的蚁群算法模型,该模型将物流配送中心选址映射成一个聚类过程,利用蚁群系统中蚂蚁通过信息素寻找最优路径的机制,以物流配送的总成本最低为聚类准则,结合蚂蚁将物体聚堆的行为模式来定义蚂蚁的转移概率、禁忌列表和信息素更新方式,实现基于蚁群优化的物流配送中心选址算法.对多配送中心选址进行了仿真实验,实验结果表明本算法能获得与实际情况相符的配送中心最优解,且适合多种不同的配送中心模型和大规模的配送中心选址,具有较强的灵活性.     

基于PCA-SOM的混合协同过滤模型

针对推荐系统中协同过滤技术面临的数据稀疏性和推荐实时性难以保证的问题,提出一种基于主成分分析(Principle component analysis)和SOM(Self-organizing map)聚类的混合协同过滤模型.首先对原始评分数据进行全局降维,并在转换后的主成分空间上进行用户聚类,缩小了目标用户的最近邻搜索空间,减少了在线计算时间复杂度,最后对真实的电子政务门户网站Log日志数据进行了几种常用的推荐算法的比较,实验结果证明新的推荐模型具有较好的预测精度.