基于智能优化算法的无人机任务规划

发布时间：2022-01-15 00:39

　　随着科学技术的进步,特别是高新技术的迅速发展已经引发了世界军事领域的重大变革,集航空航天技术、智能化信息处理技术、通信技术和精准锁定技术与打击技术为核心等高新技术于一体的军用无人机在现代战场上开始崭露头角。多无人机任务规划的相关研究也逐渐成为近年来研究的热点,如何在复杂多变的战场环境中为多无人机进行合理的任务分配并且为其规划出一条从出发点到目标点、可以绕过雷达、威胁区和障碍物的安全飞行航迹,是多无人机任务规划中需要解决的关键问题。针对以上问题,本文的主要工作如下:（1）提出一种基于改进多目标粒子群算法的多无人机任务预分配方法,采用两个阶段的蒙特卡洛采样过程来对其进行改善粒子群算法求解过程中存在容易陷入局部最优解和求解精度低、中后期搜索速度慢的缺点,使算法可以搜索到更多的非支配（Pareto）解决方案。（2）提出一种基于K-medoids聚类算法的无人机任务重分配方法。利用K-medoids聚类算法把战场中的无人机和任务点聚类成与无人机数量相同的聚类簇,然后在每个聚类簇的内部将模型作为一个单旅行商问题来进行求解。这样把原问题进行降维,从而极大地减少算法运行的时间。（3）提出一种基于改进概... 

【文章来源】：南京邮电大学江苏省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2.1粒子群算法的核心思想图

士研究生学位论文 第二章 相且 ， ( ) ( ) 最优解areto 最优解（非支配解），则： ， 最优解的定义可以看出，当 Pareto 最优解在一个目标分量上得到个另外的目标分量变差。 最优集目标优化问题中所有的 Pareto 最优解所构成的集合便是 Pareto 上形成的曲面就是 Pareto 前沿。图 2.4 中以两个优化目标 ( )和

图 4.4 窄通道环境为 40 个的条件下对原始的 PRM 算法和改进后的 PRM 算法下：改进前的无向连通图 图 4.6 改进前的无向连M 算法构成无向连通图的结果，图 4.6 为改进后 PRM 算法构

【参考文献】：
期刊论文
[1]基于改进合同网算法的异构多AUV协同任务分配[J]. 李娟,张昆玉.  水下无人系统学报. 2017(06)
[2]基于自适应烟花算法的多无人机任务分配[J]. 马焱,赵捍东,张玮,陈白禹,邵先锋,张晓东,张跃跃.  电光与控制. 2018(01)
[3]一种改进的栅格法航迹巡线方法研究与实现[J]. 吴国松,倪宏,赵海丽,李占军.  技术与市场. 2017(08)
[4]基于网格PRM的无人机多约束航路规划[J]. 曾国奇,赵民强,刘方圆,丁文锐.  系统工程与电子技术. 2016(10)
[5]侦察无人机航迹规划设计研究[J]. 张帅,李学仁,张鹏,李博.  计算机仿真. 2016(04)
[6]基于改进人工势场法的无人机路径规划算法[J]. 丁家如,杜昌平,赵耀,尹登宇.  计算机应用. 2016(01)
[7]自适应RRT无人机航路规划算法研究与仿真[J]. 林娜,张亚伦.  计算机仿真. 2015(01)
[8]基于单元分解法的移动机器人遍历路径规划[J]. 陈逸怀,朱博.  装备制造技术. 2014(04)
[9]基于改进RRT算法的无人机航迹规划[J]. 崔挺,李俨,张明庄.  电子设计工程. 2013(12)
[10]不确定环境下多无人机动态任务分配方法[J]. 陈侠,唐婷.  火力与指挥控制. 2013(01)

博士论文
[1]复杂曲面零件在机测量关键技术研究与应用[D]. 牟鲁西.华中科技大学 2012

硕士论文
[1]面向多无人机的协同任务预分配及重分配研究[D]. 吴歇尔.南昌航空大学 2018
[2]基于进化匈牙利算法的目标分配问题研究及应用[D]. 谷稳.西安电子科技大学 2013



本文编号：3589541