论文部分内容阅读
飞行器航路规划作为飞行器智能控制的关键技术之一,是提高飞行器作战效能和实现飞行器安全可靠飞行的前提。航路规划技术是在综合各种约束条件下寻找一条从起点到终点的最优路径,是任务规划系统的核心技术之一。蚁群算法作为一种新兴的启发式搜索算法,已由单一的TSP领域渗透到了多个应用领域,由解决一维静态优化问题发展到解决多维动态组合优化问题,由离散域范围逐渐拓展到连续域范围内的研究,且硬件实现也取得了突破性进展,得到了广泛应用。围绕如何提高飞行器航路规划效率和规划质量,论文研究了规划空间的表示方法以及蚁群算法在飞行器航路规划中的应用,其主要内容包括以下三个方面:1、针对利用栅格法对三维规划空间进行划分时航路搜索容易出现计算量大以及可能搜索不到最佳航路等问题,本文提出了一种基于面的规划空间表示方法,该方法首先按照飞行器的飞行方向,把规划空间划分成许多面,然后对其中的每个面再利用栅格法划分成许多点的集合,在进行航路搜索时,一个面上只选择一个航路点,这样会大大减少航路点的搜索范围,从而减小了搜索计算量,提高了最佳航路搜索效率。2、利用基本蚁群算法对航路规划应用过程进行了仿真,针对仿真结果出现的航路制动点多、距离威胁源较近等问题,本文针对基本蚁群算法提出了改进策略,即引入奖惩机制、启发式函数的改进、动态减少航路点以及对航路重新调整,仿真结果验证了改进算法的有效性。3、将蚁群算法和遗传算法有机融合,提出了基于蚁群遗传算法的飞行器航路规划方法。该方法采用蚁群算法生成遗传算法的初始种群,重新设计了适应度函数,在遗传操作中加入平滑因子。仿真验证结果表明,该算法能够有效解决遗传算法收敛速度慢的问题。