基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

基于改进PH曲线的无人机航迹规划

 航迹规划是无人机任务规划的重要组成部分。针对现有航迹规划存在的不足, 提出一种基于改进pythagorean hodo-graph(PH)曲线的航迹规划方法。该方法结合了PH 曲线的曲率连续性和粒子群优化算法的快速搜索特点, 将PH 曲线的控制点选取通过粒子群算法进行优化, 可以快速得到避障安全、满足最大曲率限制和曲率连续的最优PH 路径。仿真结果表明了该方法的有效性。     

基于智能超表面的无人机通信联合波束赋形与航迹规划

由于通信网络向"空-天-地-海"的立体架构发展,无人机(unmanned aerial vehicle,UAV)在通信中的应用受到了广泛的关注.与传统方式相比,以直射路径为主导信道的UAV通信方式具有更稳定、可靠性更高的通信性能.然而,随着高频信号的使用直射路径也更易受到复杂环境的影响.智能超表面(reconfigur...     

基于遗传算法的无人机航迹规划

研究了基于遗传算法的无人机全局路径规划算法,建立了综合评价航程总长度、威胁概率和平均地形高度的多目标优化函数,并针对此优化函数设计了基于相对距离转角的遗传算法编码方案,进化计算结果稳定,达到了利用三维地形规避威胁的目的.进而研究了基于路径规划点生成光滑航迹的鲁棒性算法,利用MATLAB和VRML接口实现了无人机全局航迹...     

基于固定翼无人机的航迹规划优化模型

无人机航迹规划是无人机研究领域中的重要方面,也是自主系统中不可分割的一个整体部分.文章在前人研究基础上,提出了一种基于有威胁情形中固定翼无人机的航迹规划优化模型.此模型对飞行航迹进行航迹平滑处理时,提出了一种基于微分几何原理的约束条件改进策略.     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

基于气象威胁场的无人机三维航迹规划

针对无人机航迹规划中气象威胁要素模糊性强、不确定性高等特点,提出了改进的BP神经网络的气象威胁度评估方法,对区域内气象威胁要素进行评估以建立表征气象威胁的气象威胁场。在所建立的气象威胁场上采用改进稀疏A*算法进行三维航迹规划,改进稀疏A*算法通过引入自适应操作提高了收敛速度以及效率。仿真结果表明,这种威胁评估方法可较为准确地评估区域内的气象威胁,改进稀疏A*算法能够准确、快速地在三维气象威胁场上寻找到最优航迹,具有一定的应用价值。     

基于NSGA-Ⅲ算法的多无人机协同航迹规划

当多架无人机协同作战时,需要进行协同航迹规划,以提升任务成功率.将协同航迹规划中的约束转换为多个目标后,对NSGA(Non-Dominated Sorting Genetic Algorithm)-Ⅲ算法与势场蚁群算法进行融合设计.算法首先对地图进行势场构建,使距离障碍物较近的节点不易被选择,并且引导搜索方向.然后对航...     

基于SUKF的机载无源定位算法

提出了相位差变化率与SUKF算法相结合的单站无源定位方法.通过Matlab仿真,对SUKF与原始的UKF和成熟的EKF进行了比较.结果表明:与UKF相比,SUKF降低了运算复杂度,在保证了UKF的定位精度的同时减少了计算量;并且SUKF和UKF算法均无需去计算EKF中的雅克比矩阵,实现简单,具有更高的收敛速度和定位精度.     

单站无源定位技术算法研究

随着信号处理技术的发展,无源定位技术的研究和应用越来越广泛,其应用领域涉及航海、航空、航天和电子战。与有源定位系统相比,无源定位可增强系统在电子战环境下的反侦察、抗干扰、抗软硬杀伤等能力。单站无源定位技术已经成为定位领域中的一项新兴分支,单站无源定位技术的研究越来越重要。     

一种基于粒子群优化算法的神经网络训练方法

介绍了粒子群优化(PSO)算法的原理,研究了将PSO算法应用于神经网络训练的方法,给出了算法软件实现的基本流程,并对Iris分类问题做了仿真实验,通过与BP算法的比较,结果表明基于PSO的神经网络训练算法操作简单,易于实现,而且训练精度较高,有良好的收敛性.     

汽车导航系统的动态路径规划优化模型与算法研究

汽车的普及化增加了城市交通的内在压力,对汽车导航系统的动态路径规划优化可以给驾车人在有限的城市道路中找出一条最佳行车路径.本文介绍了一种实用的动态路径规划方法.采用一个实时的路线地图,地图包括交通信号,道路类别和行车道的数目.建议的解决方案是使用病毒感染的遗传算法.该方法是将公路干线的一部份视为病毒.通过交叉和感染确定近期病毒的最佳组合.在驾车的过程中,当交通挤塞经常变化时,使用病毒感染实时路线,将产生一个可供选择的行车路线.最后给出病毒遗传算法的试验仿真结果.     

基于递阶进化规划的RBF网络设计新方法

针对RBF神经网络的特点 ,提出一种递阶进化规划算法 ,利用此方法同时对网络的拓扑结构和网络参数 (权值、隐节点中心和形状参数 )进行优化 ,克服梯度算法需要求导且易陷入局部极小的弱点 ,分别对单入单出和多入单出非线性函数的建模问题进行了仿真 ,验证了该算法的有效性     

环型配网优化规划的遗传算法

直接使用闭环结构约束,采用遗传算法对仅有2个变电站的环型配网进行优化规划.在配网优化规划的同时考虑到了结构上的环状约束和运行上的辐射状约束.首先介绍了环型配电网优化规划中采用的数学模型,然后介绍了遗传算法理论及其在环型配电网中的应用,并使用Visual C 编程语言,设计、开发环型配网优化规划软件.最后通过对一个17节点的试验系统的优化规划,验证了方法的实用性和有效性.     

分子计算理论与神经网络

本文以“智能—问题求解—信息处理—学习和记忆—系统实现”为线索,介绍了分子计算及神经网络的基本概念和原理,提出了它们的研究层次及其异同点,详细讨论了进化学习算法和神经网络的自组织原则,并利用最大信息准则,给出了无导师学习算法的统一描述框图.本文最后讨论了分子计算与神经网络的实现问题,认为分子电子器件是神经网络实现的一条可能途径.     

考虑航路网络结构的离场航班延误预测模型

针对离场航班延误预测缺少对航路网络结构因素的考虑,以及传统多分类预测难以满足高精度的需求,本文提出了一种考虑航路网络结构的离场航班延误预测模型。首先,根据离场航班所在终端区的航路网络结构,提出了航路拥挤指标,即航路流量、航路拥挤度和航路网络拥挤度,从航路网络和网络结构2个维度量化分析了拥挤特征,构造了航路拥挤数据集;然后,基于深度神经网络（deep neural network,DNN）,构建了考虑航路网络结构的离场航班延误预测模型;最后,分析各类别延误样本比例,调整焦点损失函数的平衡因子以及各模型参数,进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明：调整平衡因子后,模型预测准确率提高了2.3个百分点,融入航路拥挤数据集后,准确率继续提高了1.52个百分点,并且最终达到93.47%。可见,本文所提模型能够对离场航班延误作出有效准确判断,为民航相关单位提供决策参考。     

航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

一种训练循环神经网络的演化算法

根据演化算法具有内在的并行性、自组织、自适应和自学习性等优点,进而成功地运用到神经网络中,给出了一种能同时训练循环神经网络结构和参数的演化算法.     

基于新型进化规划的异构神经网络集成算法

提出一种基于新型进化规划的异构神经网络集成算法。首先利用改进的进化规划,克服传统的进化规划及EPNet模型的不足,生成多个异构的最优网络,然后对异构网络进行组合求解。该集成算法充分利用了Bootstrap采样的天然特性实现了网络间的异构和差异度,同时又保证了单个成员网络的精度,克服了传统Bagging,Boosting算法中成员网络结构固定,缺乏个体精度的缺点。通过仿真实验证明,该方法较传统集成算法具有更好的泛化性能并减少了传统集成算法中的随机不确定因素。     

演化动态优化中的机器学习策略述评

综述了结合机器学习策略的演化动态优化研究,从数据、预测最优解位置、改进演化算法搜索等方面讨论分析了该领域的研究现状和关键技术,并总结了该领域目前存在问题和挑战。