基于遗传算法的无人机监视覆盖航路规划算法研究

为解决传统覆盖航路规划算法结果样式单一、对抗性环境下灵活性差的问题,提出了基于遗传算法的监视覆盖航路规划算法,生成样式多样、监视任务执行中对抗性好的监视覆盖航路。在人工势场法的基础上,将激发势场的种子编码为二元组串形式的基因,通过交叉、变异、合并等算子的操作增加种子样式的多样性,从而规划出转弯少、监视时间间隔短、对抗性好的监视覆盖航路。最后通过算例对算法进行了验证,结果表明算法有效地满足了监视任务覆盖航路规划的需求。

基于改进人工势场方法的无人机覆盖航路规划算法研究

无人机覆盖航路规划要求无人机的航路探测区域能够覆盖整个任务区域,该技术在现实中的应用越来越广泛,需求也越来越多样。传统的人工势场方法在生成覆盖航路的时候,有一些现实中好用的模式无法生成,为此我们引入了种子的概念,利用种子的多样性达到势场生成多样性的目的。计算实验表明,我们提出的改进人工势场法生成模式更多、效果更优、样式更加丰富,更能满足现实应用对覆盖航路多元化的需求。

基于改进人工势场方法的无人机群侦察覆盖航路规划算法研究

随着无人机平台技术的逐渐成熟和广泛应用,利用无人机平台执行侦察任务的效费比也越来越高。无人机群的航路规划是侦察任务规划中的核心问题。面对复杂的侦察任务,基于解析的方法适应性不强、自动化程度较低。因此,本文提出了一种基于人工势场的无人机群侦察航路规划方法。在无人机责任区域划分的研究中,针对规则区域仍然采用基于解析的方法,针对不规则区域的划分,设计了基于人工势场的区域划分方法,提高了算法的适应性和自动化程度。在无人机航路生成算法中,利用种子的概念提高了无人机航路生成模式的多样性。最后通过计算实验,验证了方法的高效性和适应性。

某型无人机群的监视覆盖任务航路规划

利用无人机群执行监视任务,在边界和区域管控、反恐防爆监视以及军事应用中具有很高的效费比。无人机群监视覆盖航路规划算法是提升无人机群监视任务效率和能力的核心算法。传统覆盖航路规划算法结果样式单一、对抗性环境下灵活性差,区域划分方法不便于计算机自动生成。本文提出了基于人工势场和遗传算法的监视覆盖航路规划算法,生成样式多样、监视任务执行中对抗性好的监视覆盖航路。在人工势场法的基础上,将激发势场的种子编码为二元组串形式的基因,通过交叉、变异、合并等算子的操作增加种子样式的多样性,从而规划出转弯少、监视时间间隔短、对抗性好的监视覆盖航路。最后通过算例对算法进行了验证,结果表明算法有效地满足了监视任务覆盖航路规划的需求。