分队战术CGF学习型实时路径规划算法研究
发布时间：2021-08-29 15:54
随着近年来计算机仿真技术的高速发展,利用仿真技术辅助开展指挥训练,能够有效提升训练组织效率和训练效果。而在信息化条件下,作战力量的合成化、小型化和多能化趋势明显,以分队为主体的基本作战单元地位更加突出。研究和应用分队级别的训练仿真系统,能够克服传统训练方法组织协调难配合、战场环境难构设、作战效果难反馈等问题,具有重要的作用及意义。提升分队战术训练仿真系统的逼真程度和应用效果,关键在于构建合理的战场空间表示模型和准确的计算机生成兵力（Computer Generated Forces,CGF）行为模型。在分队战术中,路径规划是其中重要的智能行为之一。它既是多种高层智能活动（如决策、规划、协同等）的基础,与此同时又是一系列底层物理行为（如机动、掩护、队形控制等）的前提。因此,合理准确的路径规划是CGF行为建模的重点。传统的全局规划方法（如A*算法）不能实现CGF对用户指令和环境变化的快速响应,并且存在突出的首步迟疑问题。而局部路径规划方法LRTS（Learning Real-Time Search）能够利用局部感知信息,交替进行规划、学习和动作执行,具有良好的实时性和对环境的动态适应性,是...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
A*算法搜索过程状态扩展结果示意
CGF 执行机动任务，移动到状态 所在位置。算法某一目标状态。LRTA*在每一步搜索时，只关注于当前状态周边很小范围内的采纳性条件的前提下对某些状态的启发值进行更新。因此复杂程度不高、地形要素不多时，它既能保证得到最优或总的规划时间。LRTS 算法框架算机软硬件产品中自主智能体应用场景爆发式地增多，在的实时搜索算法。用户不仅面临着庞杂的算法选择困境，和调整也缺乏依据。因此，Vadim Bulitko 等人提出了一个S( Learning Real-Time Search)。其中主要囊括了在一个单位础之上采用更大前瞻搜索、加权启发值和回溯机制等三种思
一般通过增加搜索深度获得额外的规划量，即扩大范围。2.1.2 中介绍的启发值更新和动作选择规则可以直接度的搜索中。Korf[27]观察认为，采用更深的前瞻进行搜索可而减少执行代价，直观地讲，就是让智能体拥有更宽广的视动作选择和执行的过程中就脱离极小区域。这一类算法被称2[33]给出一个简单的例子，对比增大搜索深度后对执行代价的圆圈表示不同的状态，连接圆圈的边表示合法动作，每个动函数 可纳而不精确。两种前瞻量取值的 LRTA*算法都通终的启发函数。但是，额外的搜索深度每一步都多利用两将执行代价从 5 步降低到了 3 步。另一方面，每一步的规到了 4 个。权启发值LRTA*采用的初始启发函数对已探索过的区域完全精确，而”。因此将延长算法的收敛时间，解的质量在连续的迭代中完整的收敛过程中存储启发值需要的内存空间也变得不可控
【参考文献】：
期刊论文
[1]未知环境下势场法路径规划的局部极小问题研究[J]. 朱毅,张涛,宋靖雁. 自动化学报. 2010(08)
[2]基于二进制粒子群算法的移动机器人路径规划[J]. 王艳,朱庆保. 南京师范大学学报(工程技术版). 2009(02)
[3]基于粒子群优化算法的移动机器人全局路径规划[J]. 孙波,陈卫东,席裕庚. 控制与决策. 2005(09)
[4]移动机器人路径规划技术的研究现状与展望[J]. 戴博,肖晓明,蔡自兴. 控制工程. 2005(03)
[5]作战仿真技术综述[J]. 黄柯棣,刘宝宏,黄健,曹星平,尹全军,郭刚,张琦,张传富,刘云生. 系统仿真学报. 2004(09)
[6]移动机器人导航技术现状与展望[J]. 王志文,郭戈. 机器人. 2003(05)
[7]计算机生成兵力研究进展[J]. 杨立功,郭齐胜. 计算机仿真. 2000(03)
[8]移动机器人导航技术[J]. 李贻斌,李彩虹,刘明,周风余,苏学成. 山东矿业学院学报(自然科学版). 1999(03)
硕士论文
[1]分队战术CGF路径规划算法研究[D]. 张琪.国防科学技术大学 2013
[2]复杂动态环境下移动机器人的全局路径规划算法研究[D]. 徐培培.北京邮电大学 2009
本文编号：3370943
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
A*算法搜索过程状态扩展结果示意
CGF 执行机动任务，移动到状态 所在位置。算法某一目标状态。LRTA*在每一步搜索时，只关注于当前状态周边很小范围内的采纳性条件的前提下对某些状态的启发值进行更新。因此复杂程度不高、地形要素不多时，它既能保证得到最优或总的规划时间。LRTS 算法框架算机软硬件产品中自主智能体应用场景爆发式地增多，在的实时搜索算法。用户不仅面临着庞杂的算法选择困境，和调整也缺乏依据。因此，Vadim Bulitko 等人提出了一个S( Learning Real-Time Search)。其中主要囊括了在一个单位础之上采用更大前瞻搜索、加权启发值和回溯机制等三种思
一般通过增加搜索深度获得额外的规划量，即扩大范围。2.1.2 中介绍的启发值更新和动作选择规则可以直接度的搜索中。Korf[27]观察认为，采用更深的前瞻进行搜索可而减少执行代价，直观地讲，就是让智能体拥有更宽广的视动作选择和执行的过程中就脱离极小区域。这一类算法被称2[33]给出一个简单的例子，对比增大搜索深度后对执行代价的圆圈表示不同的状态，连接圆圈的边表示合法动作，每个动函数 可纳而不精确。两种前瞻量取值的 LRTA*算法都通终的启发函数。但是，额外的搜索深度每一步都多利用两将执行代价从 5 步降低到了 3 步。另一方面，每一步的规到了 4 个。权启发值LRTA*采用的初始启发函数对已探索过的区域完全精确，而”。因此将延长算法的收敛时间，解的质量在连续的迭代中完整的收敛过程中存储启发值需要的内存空间也变得不可控
【参考文献】：
期刊论文
[1]未知环境下势场法路径规划的局部极小问题研究[J]. 朱毅,张涛,宋靖雁. 自动化学报. 2010(08)
[2]基于二进制粒子群算法的移动机器人路径规划[J]. 王艳,朱庆保. 南京师范大学学报(工程技术版). 2009(02)
[3]基于粒子群优化算法的移动机器人全局路径规划[J]. 孙波,陈卫东,席裕庚. 控制与决策. 2005(09)
[4]移动机器人路径规划技术的研究现状与展望[J]. 戴博,肖晓明,蔡自兴. 控制工程. 2005(03)
[5]作战仿真技术综述[J]. 黄柯棣,刘宝宏,黄健,曹星平,尹全军,郭刚,张琦,张传富,刘云生. 系统仿真学报. 2004(09)
[6]移动机器人导航技术现状与展望[J]. 王志文,郭戈. 机器人. 2003(05)
[7]计算机生成兵力研究进展[J]. 杨立功,郭齐胜. 计算机仿真. 2000(03)
[8]移动机器人导航技术[J]. 李贻斌,李彩虹,刘明,周风余,苏学成. 山东矿业学院学报(自然科学版). 1999(03)
硕士论文
[1]分队战术CGF路径规划算法研究[D]. 张琪.国防科学技术大学 2013
[2]复杂动态环境下移动机器人的全局路径规划算法研究[D]. 徐培培.北京邮电大学 2009
本文编号：3370943
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3370943.html
