| AC-PSO算法在无人机任务规划中的应用 |
| |
| 作者姓名： | 谭皓 李玉峰 王金岩 何亦征 沈春林 |
| |
| 作者单位： | [1]南京航空航天大学自动化学院,中国南京210016 [2]上海航空一集团第615研究所,中国上海200233 |
| |
| 基金项目： | 航空科学基金（02F150001,01C15001）资助项目;教育部博士研究基金（20030287008）资助项目. |
| |
| 摘 要： | 无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.
|
| 关 键 词： | 无人机 任务规划 粒子群优化 进化计算 |
| 收稿时间： | 2004/12/1 0:00:00 |
| 修稿时间： | 2005/2/28 0:00:00 |
AC-PSO ALGORITHM FOR UAV MISSION PLANNING |
| |
| Authors: | TAN Hao LI Yu-feng WANG Jin-yan HE Yi-zheng SHEN Chun-lin |
| |
| Institution: | 1. College of Automation Engineering, NUAA, 29 Yudao Street, Nanjing, 210016, P.R. China; 2. No. 615 Research Institute, China Aviation Industry Corporation I , Shanghai,200233,P. R. China |
| |
| Abstract: | |
| |
| Keywords: | unmanned air vehicle mission planning particle swarm optimization evolutionary computation |
|
| 点击此处可从《》浏览原始摘要信息 |
| 点击此处可从《》下载免费的PDF全文 |
|
