基于改进蚁群算法的无人机动态航路规划附视频

被引：9

作者：

林娜

刘二超

机构：

[1] 沈阳航空航天大学计算机学院

来源：

计算机测量与控制 | 2016年 / 03期

关键词：

无人机; 蚁群算法; 选择策略; 信息素; 平滑处理;

D O I：

10.16526/j.cnki.11-4762/tp.2016.03.041

中图分类号：

TP18 [人工智能理论]; V279 [无人驾驶飞机];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

摘要：

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求;通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。

引用

页码：149 / 153

页数：5

共 14 条

[1] 优化蚁群算法在无人机航路规划中的应用 [J].

邱小湖 ;

邱永成 .

计算机仿真, 2010, 27 (09) :102-105

[2] 无人机动态环境实时航迹规划 [J].

李士波 ;

孙秀霞 ;

王栋 ;

张力 .

系统工程与电子技术, 2007, (03) :399-401

[3] 蚁群算法在无人机航路规划中的应用附视频 [J].

柳长安 ;

梁广平 ;

王和平 ;

李为吉 .

火力与指挥控制, 2005, (06) :24-26

[4] 基于粒子群优化的三维突防航迹规划仿真研究 [J].

唐强 ;

王建元 ;

朱志强 .

系统仿真学报, 2004, (09) :2033-2036

[5]

Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning. Roberge, V.,Tarbouchi, M.,Labonte, G. Industrial Informatics, IEEE Transactions on . 2013

[6]

Offline Path Planning and Online Replanning of UAVs in Complex Terrain. Qian X,Peng C,Nong C. Proceedings of 2014IEEE Chinese Guidance,Navigation and Control Conference . 2014

[7]

Path Planning for Indoor UAV Based on Ant Colony Optimization. He Y F,Zeng Q H,Liu J Y,et al. 2013 25th Chinese Control and Decision Conference . 2013

[8]

UAV Online Path Planning Algorithm in a Low Altitude Dangerous Environment. Wen N F,Zhao L L,Su X H,et al. IEEE/CAA Journal of Automatica SINICA . 2015

[9] 利用改进蚁群算法的可规避威胁源最优航线规划 [J].

柴毅哲 ;

杨任农 ;

马明杰 ;

刘孟强 .

空军工程大学学报(自然科学版), 2015, 16 (04) :9-12

[10] 改进型Voronoi图和动态权值A*算法的无人机航迹规划 [J].

张淘沙 ;

鲁艺 ;

张亮 ;

吕跃 .

火力与指挥控制, 2015, 40 (02) :156-160

← 1 2 →