基于改进蚁群算法的多无人机协同航迹规划研究

发布时间：2021-12-25 03:03

　　自21世纪以来,随着反无人机系统在军事战场的应用,现代战场环境变得复杂多变,此时需要多架无人机相互协作完成作战任务。同时,多无人机航迹规划作为实现无人机协同作战的关键,能够提高每架无人机执行作战任务的整体效能。本文运用自适应扩散机制的改进蚁群算法研究多无人机协同航迹规划问题,首先介绍传统蚁群算法的基本原理,并分析造成算法过早收敛且仿真结果为局部最优解的原因。其次,通过在传统蚁群算法的基础上设定信息素浓度阈值和随机信息素挥发系数,并引入信息素扩散机制和轮盘赌选择规则进行算法改进,避免全局路径搜索过程中信息素分布不均,同时在算法中设置多个蚂蚁种群进行多无人机航迹规划。然后,建立考虑外部环境威胁和无人机机动性能约束条件的综合航迹代价函数,同时构建栅格图环境模型,并运用改进蚁群算法在不同威胁环境下进行多无人机航迹规划仿真,当进行三维空间多无人机协同航迹规划时,采用最小威胁曲面法将三维空间内外部威胁投影至二维平面。最后,根据仿真结果分析算法中信息素重要程度、启发因子重要程度和信息素挥发系数等参数取值以及四邻域和八邻域搜索方式对航迹规划仿真结果的影响。为验证改进蚁群算法解决多无人机航迹规划问题的可... 

【文章来源】：郑州航空工业管理学院河南省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

国内外先进无人机型号

多无人机航迹规划研究技术路线图

蚁群算法流程图

【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人动态路径规划[J]. 王雷,石鑫.  南京理工大学学报. 2019(06)
[2]基于改进A*算法的仓储物流移动机器人任务调度和路径优化研究[J]. 王秀红,刘雪豪,王永成.  工业工程. 2019(06)
[3]基于蜂群与A*混合算法的三维多无人机协同[J]. 王平,白昕,解成超.  航天控制. 2019(06)
[4]基于势场蚁群算法的机器人全局路径规划[J]. 陈余庆,李桐训,于双和,沈智鹏.  大连理工大学学报. 2019(03)
[5]基于改进A*算法的移动机器人路径规划[J]. 陆皖麟,雷景森,邵炎.  兵器装备工程学报. 2019(04)
[6]基于聚度的自适应动态混沌蚁群算法[J]. 刘明霞,游晓明,刘升.  计算机工程与应用. 2019(03)
[7]蚁群算法研究与应用的新进展[J]. 覃远年,梁仲华.  计算机工程与科学. 2019(01)
[8]无人机集群作战概念发展对未来战场攻防影响[J]. 党爱国,王坤,王延密,王晓兵.  战术导弹技术. 2019(01)
[9]卫星网络中基于多QoS约束的蚁群优化路由算法[J]. 魏德宾,刘健,潘成胜,邹启杰.  计算机工程. 2019(07)
[10]一种启发式动态信息素更新策略的蚁群算法[J]. 刘中强,游晓明,刘升.  计算机工程与应用. 2018(20)

博士论文
[1]基于智能优化算法的无人机航迹规划若干关键技术研究[D]. 胡中华.南京航空航天大学 2011

硕士论文
[1]基于遗传算法和稀疏A*算法的无人机三维航迹规划研究[D]. 贾广芝.南京邮电大学 2017
[2]动态环境下多无人机协同控制技术研究[D]. 刘昕彤.电子科技大学 2017
[3]不确定环境下的无人机航路规划算法研究[D]. 刘二超.沈阳航空航天大学 2016
[4]基于量子蚁群算法的多无人机协同航迹规划研究[D]. 王芳.哈尔滨工业大学 2015
[5]无人机协同作战任务分配与攻击效能评估技术[D]. 程聪.南京航空航天大学 2013
[6]不确定环境下无人机航迹动态规划及仿真研究[D]. 王绪芝.南京航空航天大学 2013
[7]基于速度矢量场的实时航迹规划研究[D]. 易小芹.南京航空航天大学 2013
[8]基于改进蚁群算法的无人飞行器航迹规划应用研究[D]. 饶跃东.武汉理工大学 2010



本文编号：3551673