基于改进蚁群算法的无人飞行器航迹规划应用研究

论文摘要

随着现代科技的飞速发展,无人飞行器技术的发展也日益成熟和完善。航迹规划作为无人飞行器智能控制的关键技术之一,是提高飞行器作战效能,实现安全可靠飞行的保证。它主要是为无人飞行器在相关条件约束下规划出一条满足某种性能指标的最优或最满意的飞行轨迹。目前,已有包括遗传算法、人工神经网络、模拟退火算法等等多种智能优化算法应用于航迹规划中。蚁群算法作为一种模拟蚂蚁觅食行为的仿生优化群智能算法,具有并行分布式计算、信息正反馈、较强的鲁棒性和易于与其他算法结合等优点,也被广泛运用于解决如TSP、网络路由、航迹规划等众多组合优化问题。本文首先研究了基本蚁群算法的原理和数学模型,分析了基本蚁群算法容易陷入局部最优解这一缺点的主要原因,介绍了两种比较典型的改进蚁群算法：ANT-Q System和MAX-MIN Ant System.在此基础上,提出一种改善算法全局收敛性能的改进策略,其基本思想是：将基本蚁群算法中单一种群搜索迭代的方式改进为双种群同时独立搜索迭代,并且不同种群的蚂蚁之间能够交流协作。引入算法陷入可能局部最优解的概念,在算法迭代过程中,当出现陷入可能局部最优时,动态交换不同种群对应路径上的信息素,并且自适应双向调整信息素挥发系数。同时借鉴最大最小蚂蚁系统的思想,将不同种群路径上的信息素分别限定在一定范围之内,避免出现因某些路径上的信息素过高而使搜索停滞的现象。通过这些改进措施,进一步扩大算法的搜索空间,提高算法的全局搜索能力。然后利用MATLAB工具对TSP问题实例仿真,并将基本蚁群算法和改进算法的结果相比较,验证了改进算法的有效性。通过对无人飞行器航迹规划性能指标的分析,建立航迹规划算法模型。在此基础上,分析蚁群算法应用于航迹规划的一般流程,同时重点阐述了本文改进的自适应双种群蚁群算法在航迹规划应用中的设计思路。为了验证改进算法在航迹规划中的可行性和有效性,本文最后假设一个任务实例,用基本算法和改进算法分别通过MATLAB对其进行编程仿真。通过对比仿真结果,验证了在航迹规划的应用中,改进算法在全局收敛性和稳定性上均较优于基本算法。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 论文研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 无人飞行器航迹规划国内外研究现状
• 1.2.2 蚁群算法国内外研究现状
• 1.3 论文主要研究内容和组织结构
• 第2章 基本蚁群算法概述
• 2.1 蚁群的觅食行为
• 2.2 蚁群算法的基本思想
• 2.3 蚁群算法的数学模型
• 2.3.1 TSP（旅行商）问题描述
• 2.3.2 基本蚁群算法数学模型
• 2.4 基本蚁群算法复杂度分析
• 2.5 基本蚁群算法求解TSP实现流程
• 2.6 本章小结
• 第3章 改进蚁群算法研究
• 3.1 ANT-Q System
• 3.2 MAX-MIN Ant System
• 3.3 自适应动态双种群蚁群算法
• 3.3.1 双种群蚁群搜索迭代
• 3.3.2 双向自适应调整信息素挥发系数
• 3.3.3 不同种群信息素最大最小限制
• 3.3.4 改进算法TSP问题编程步骤
• 3.4 改进自适应双种群蚁群算法仿真及参数分析
• 3.4.1 MATLAB仿真工具介绍
• 3.4.2 改进算法仿真及参数分析
• 3.5 本章小结
• 第4章 无人飞行器航迹规划概述
• 4.1 无人飞行器的发展和应用
• 4.2 无人飞行器航迹规划
• 4.2.1 航迹规划的定义
• 4.2.2 常用的航迹规划算法
• 4.3 本章小结
• 第5章 改进蚁群算法在无人飞行器航迹规划中的应用
• 5.1 航迹规划模型描述
• 5.1.1 无人飞行器航迹的表示
• 5.1.2 航迹规划优化性能指标的建立
• 5.1.2.1 综合代价
• 5.1.2.2 油耗代价
• 5.1.2.3 威胁代价
• 5.2 基本蚁群算法航迹规划应用
• 5.2.1 航路的生成
• 5.2.2 状态转移规则
• 5.2.3 信息素更新规则
• 5.3 基于改进蚁群算法的航迹规划
• 5.3.1 改进蚁群算法航迹规划设计思路
• 5.3.2 改进算法航迹规划应用实现流程
• 5.4 航迹规划任务实例仿真
• 5.4.1 任务描述
• 5.4.2 算法实验仿真及结果分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 论文工作总结
• 6.2 有待完成的工作及展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 附录A
• 附录B