收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

蚁群算法的改进及其在航迹规划中的应用研究

杨丹  
【摘要】: 蚁群算法是一种新兴的用于求解组合优化问题的启发式优化算法。它由意大利学者Dorigo于1991年首次提出,并最初被用于求解旅行商问题。在从1991年至今近六十年的时间里,蚁群算法被成功地用于求解一系列复杂的组合优化问题,如:旅行商问题、二次分配问题、车辆寻路问题和图着色问题等等。由于蚁群算法性能优异,其至今仍然是人们研究的热点。 本文在研究了最早的蚁群算法——蚂蚁系统的基本原理的基础上,着重分析比较了多种改进的蚁群算法(带精英策略的蚂蚁系统、基于优化排序的蚂蚁系统、蚁群系统、最大-最小蚂蚁系统),总结了各蚁群算法中普遍存在的两个缺陷,即算法容易出现停滞现象和算法收敛速度较慢,为后续的研究工作提供了理论基础。在此基础上,通过将蚁群系统算法中信息素全局更新规则中的信息素常量和挥发率进行自适应变化来对算法进行了改进,提出了一种新的改进蚁群算法——Q/a0自适应蚁群算法。然后针对航迹规划的特点采用具有威胁约束和燃油约束的性能指标,将Q/a0自适应蚁群算法应用于二维航迹规划中。并采用Matlab语言进行了仿真研究,将仿真结果同采用蚂蚁系统算法和蚁群系统算法来求解二维航迹规划问题的结果进行了比较,表明了该改进算法能有效地提高了算法收敛速度和整体性能,较好地解决了二维航迹规划问题。 为了进一步证明该改进蚁群算法的实用性和有效性,本文将它应用来求解低空三维航迹规划问题。低空航迹规划可以利用地形地貌产生的防空雷达盲区为飞行器提供最优的飞行路线,或利用地形条件回避高炮等敌方威胁,提高飞行器的作战生存概率,所以低空航迹规划中要尽量降低飞行高度以利用地形进行隐藏,同时还要满足其它一些约束条件,如飞行器机动性能等。研究中首先将蚁群算法同动态规划的思想同相结合,用动态规划的思想设计出每一个网格的可行航向,然后用改进蚁群算法来搜索出具有最优代价的网格序列,在水平方向规划得到满足飞行器横向机动性能的完整水平航迹,然后在此水平航迹确定的垂直平面内对地形坡度和地形曲率进行不断迭代平滑,直至得到的满足飞行器纵向机动性能的地形轮廓,该地形轮廓即为飞行器的垂直规划轨迹。通过实验仿真最终规划出了既能提高性能指标,又能满足飞机可飞的航迹。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨丹;李士勇;;基于蚁群算法的军用飞行器航迹规划[J];哈尔滨商业大学学报(自然科学版);2007年06期
2 曹晋;陈红林;戴峤笠;;基于蚁群算法的最小代价航迹规划仿真[J];计算机辅助工程;2008年04期
3 熊瑜;饶跃东;;基于改进蚁群算法的无人飞行器航迹规划[J];计算机与数字工程;2010年07期
4 皮玉全;王平;;蚁群算法在直升机航迹规划中的应用[J];黑龙江科技信息;2010年23期
5 孟祥恒;王社伟;陶军;;基于改进蚁群算法的多无人机航路规划研究[J];计算机仿真;2008年11期
6 赵锋;杨伟;王伟;常楠;;基于组合优化算法的无人机航迹规划方法研究[J];弹箭与制导学报;2009年02期
7 高守玮;杨叶青;张卫东;;基于改进蚁群算法的巡航导弹三维航迹规划[J];上海交通大学学报;2010年09期
8 朱国涛;周树道;吕波;王彦杰;王俊;;基于气象威胁的无人机航迹规划方法研究[J];电光与控制;2011年06期
9 舒健生;赵建波;武健;;基于GASA和AS融合算法的航迹规划[J];四川兵工学报;2009年07期
10 皮玉全;潘广贞;;基于改进蚁群算法的直升机航迹规划仿真[J];电脑开发与应用;2010年12期
11 黄树采,李为民;目标分配问题的蚁群算法研究[J];系统工程与电子技术;2005年01期
12 黄训诚;庄奕琪;耿阿囡;;基于改进蚁群算法的配电网优化规划[J];西安交通大学学报;2007年06期
13 李士勇;杨丹;;基于改进蚁群算法的巡航导弹航迹规划[J];宇航学报;2007年04期
14 王晓红;;蚁群算法与遗传算法结合使用方法论[J];中国水运(下半月);2008年08期
15 王复明;刘小梅;蔡迎春;;蚁群算法在路面模量反演中的研究与应用[J];路基工程;2009年04期
16 王翠茹;李阳;王思艳;;基于信息素理论的智能家电系统的研究[J];微计算机信息;2009年28期
17 谢琴;将帮持;;基于蚁群行为的自适应Web站点及其仿真研究[J];浙江科技学院学报;2007年02期
18 段海滨;王道波;于秀芬;;基于改进蚁群算法的飞行仿真转台的控制优化[J];中国空间科学技术;2007年04期
19 于丰;白亮;;基于改进蚁群算法的QoS路由选择[J];沈阳建筑大学学报(自然科学版);2011年04期
20 于永彪;;蚁群优化算法基本原理及研究进展[J];山西建筑;2007年14期
中国重要会议论文全文数据库 前10条
1 申春;彭秀增;罗凡;李肃义;;基于方向启发因子的蚁群算法[A];2006年全国理论计算机科学学术年会论文集[C];2006年
2 李扬;;改进的蚁群算法及其在Eil50问题上的检验[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
3 王雪萍;杨青;黄祖锋;;P2P网络中基于蚁群算法的智能搜索研究[A];2006全国复杂网络学术会议论文集[C];2006年
4 宁静;王桂棠;吴黎明;刘军;;基于自适应挥发因子蚁群算法的Zigbee路由协议[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
5 段海滨;王道波;于秀芬;;基于混合优化策略的连续域蚁群算法改进研究[A];2006中国控制与决策学术年会论文集[C];2006年
6 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
7 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
8 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
9 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
10 周龙;霍婷婷;;蚁群算法的发展及应用现状[A];第三届中国智能计算大会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
2 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
3 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
4 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
5 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
6 程世娟;改进蚁群算法及其在结构系统可靠性优化中的应用[D];西南交通大学;2009年
7 胡中华;基于智能优化算法的无人机航迹规划若干关键技术研究[D];南京航空航天大学;2011年
8 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
9 郭乘涛;基于问题分解与蚁群算法的半导体晶圆制造系统调度方法的研究[D];上海交通大学;2012年
10 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
中国硕士学位论文全文数据库 前10条
1 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
2 杨丹;蚁群算法的改进及其在航迹规划中的应用研究[D];哈尔滨工业大学;2007年
3 辛雅斐;蚁群算法中基于信息增益的信息素值的分析与改进[D];暨南大学;2008年
4 陈永祥;基于中心定位的蚁群算法及其在交通选路中的应用[D];武汉理工大学;2008年
5 武交峰;应用遗传算法提高蚁群算法性能的研究[D];太原理工大学;2007年
6 徐福梅;基于演化蚁群算法的TSP问题研究及应用[D];江西理工大学;2010年
7 康望星;基于蚁群算法的无线传感器网络路由算法研究[D];哈尔滨工程大学;2006年
8 施玲君;基于可拓蚁群算法的配电网重构研究[D];南京理工大学;2009年
9 李永胜;求解QoS路由优化的蚁群算法研究[D];广西民族大学;2009年
10 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
中国重要报纸全文数据库 前10条
1 记者 陈勇;人体免疫力能敌艾滋病吗[N];新华每日电讯;2000年
2 记者 杨骏;原来奶头信息素“导航”[N];新华每日电讯;2003年
3 胭苒;不做“臭”男人[N];卫生与生活报;2006年
4 彼德·米勒;蚂蚁没有老大[N];云南经济日报;2008年
5 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
6 胡宝良 冯志;军用飞行器光电复合抢修系统研制成功[N];中国航空报;2005年
7 阮礼录;蜂农如何避免被蜂螫?[N];湖南科技报;2006年
8 江苏省张家港市东莱小学 黄利锋;理论与实践的碰撞[N];中国电脑教育报;2005年
9 小荣;蜜蜂与现代科技[N];中国知识产权报;2000年
10 任吾;关于爱情的新发现[N];光明日报;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978