基于进化计算的无人飞行器多航迹规划

针对飞行器多航迹规划问题展开研究。在分析多峰值函数优化问题的基础上,提出了一种基于进化计算的飞行器多航迹规划方法。该方法通过使用特定的染色体表示方法和进化算子,可以有效利用各种环境信息,处理各种航迹约束。同时,通过引入聚类算法,将种群中的个体按其空间分布进行聚类,生成若干个不同子种群。在进化过程中,所有个体只在各自的子种群内部进化。当进化结束时,每个子种群将分别生成一条各自的最优航迹,从而为飞行器生成多条不同的可选航迹。仿真结果表明了该方法的有效性。

基于K均值聚类和遗传算法的多航迹规划方法

提出了一种在未知动态环境中利用K均值聚类和遗传算法的飞行器多航迹规划方法。针对飞行器在动态环境下需要调整飞行航迹的问题,该方法可以规划出多条可供选择的航迹,使飞行器能在障碍和威胁等环境发生变化时选择可行的飞行线路。实验结果表明,该方法能有效地完成多条航迹的规划,获得满足要求的多条飞行航迹。

基于遗传算法的飞行器多航迹规划

提出了基于遗传算法的飞行器多航迹规划方法。该方法设计了一种新的分类评价体系,有效地解决了在约束条件多、部分约束条件互相冲突情况下的航迹评价问题。同时采用实数编码的染色体表示方法和特殊设计的进化算子,所有个体在各自子种群中同时进化。最后每个种群取一条最优航迹从而得到多条航迹。计算机仿真结果证明了该方法的有效性。