反舰导弹航路规划的OACRR-PSO算法

为了提高反舰导弹航路规划算法的搜素效率,从几何学角度对航路规划空间进行了研究,在将功能区域概念融入逆向航路规划的过程中发现了功能区域的几何学渐变规律,据此提小功能区域簇作为其物理载体.将功能区域簇引入粒子群优化(Particle swarm optimization,PSO)算法,提出了功能区域簇实吋约束(Operational area cluster reM-time restriction,OACRR)的PSO算法(OACRR-PSO).为了便于表示功能区域簇,采用航路极坐标编码方式.与传统的PSO算法不同的足,考虑到粒子中分量之间的关联性,该算法在优化过程中并不足对粒子的整个速度分量同时进行更新,而是引入一种分步递归进化策略对粒子的分量逐步进行更新.在粒子的更新过程中,使用功能区域簇米实吋限定罻游恢梅至康淖既犯路段В?得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表U/J,分步递归进化策略能够非常显著地提高算法的今局搜索.队能,并且算法收敛速度快、稳定性好.

竞争量子进化算法的巡航导弹航路规划与重规划方法

针对巡航导弹航路规划问题,提出了一种竞争量子进化算法(CQEA),算法通过双方向进化及自适应变异避免其陷入局部最优解。同时,鉴于航路重规划对实时性的高度要求,借助最小威胁曲面及搜索竖线将三维搜索空间降到一维,并引入功能区域簇初始化思想来保证初始种群皆为非劣个体,从问题的几何本质上提升航路重规划效率。最后利用CQEA算法进行了航路规划与重规划仿真实验,结果表明,与PAQEA相比,CQEA搜索效率更高,稳定性更好;与原三维搜索空间相比,通过削减搜索空间及引入功能区域簇初始化思想后算法搜索速率更快,符合航路重规划对实时性的高度要求。