基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。

基于改进遗传算法的无人机航路规划

针对已知源-目标的最短最优航路规划问题,首先对无人机航路规划相关约束及算法仿真环境进行了综合分析,构建了航路规划算法仿真环境,明确了无人机的性能约束,进而提出了一种可以融合多种约束条件的航路评价函数;然后,针对遗传算法存在的早熟收敛以及后期搜索迟钝等问题,考虑其问题之间存在的耦合关系,提出了适应度值标定、种群多样化和精英保留策略的融合改进方案。实验结果表明改进的遗传算法会节省约11.8%的燃油损,同时无人机机动转弯相对更少,提高了无人机飞行的安全性和高效性。