基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

无人机自主集群技术研究展望

 动态不确定环境和复杂任务决定了无人机系统势必朝着集群化、自主化和智能化方向发展,具备共识自主性的无人机集群可无需任何集中规划或直接通信完成复杂智能行为。从无人机自主性内涵出发,讨论了无人机自主集群的概念、特点、优势及可能的作战形式,从人机共融、变体设计、人工智能和集群对抗方面探讨了无人机自主集群的发展趋势及无人机集群应对反无人机技术的必要性,从军用和民用领域分析了无人机自主集群的可能应用前景,从战略规划、研发模式、系统协调、交叉学科、国防应用及市场培育等方面探讨了无人机自主集群技术的发展方向。     

基于共识主动性的群体机器人目标搜索与围捕

群体机器人系统的目标搜索和围捕任务是智能机器人领域一个典型的复杂问题,大多数现有的解决这一问题的方法依赖于一些不现实的假设,如可靠的通信链接、全局坐标信息、已知的环境信息以及机器人之间的中央协调控制. 为此,本文提出了一种基于共识主动性的群体机器人目标搜索与围捕框架. 该框架对反蚁群算法进行了改进,加入了多种信息素来帮助群体机器人协作探索环境,并生成信息素地图. 同时,该框架把在前一阶段生成的信息素地图和分层基因调控网络(hierarchical gene regulatory network,H-GRN)模型相结合,完成了群体机器人在环境信息未知且通信受限的场景中对动态目标的搜索和围捕任务. 仿真实验表明,该方法相较于传统方法具有更好的性能表现.