基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

月面巡视机器人快速安全路径规划

为提高月面巡视机器人自主探测任务的效率及安全性,提出了一种基于月面数字高程地图的大范围自主探测快速安全路径规划算法。首先根据获取的月面数字高程地图设计了一种地形可通过性分析方法,并生成了欧几里得距离地图（EDM）为安全路径规划提供参考。然后针对A^*算法解决月面巡视探测问题时搜索速度慢、未考虑路径安全性的问题,提出了FSA^*算法,改进了A^*算法的搜索机制以适用于月面大范围路径的快速搜索,并结合EDM地图设计了一种安全启发式函数,可使生成路径尽量远离危险区域,提高了巡视机器人自主探测过程的安全性。最后选取月球艾特肯盆地区域作为仿真场景,验证了该算法的有效性。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

基于复杂地块凸划分优化的多无人机覆盖路径规划

全覆盖路径规划是无人系统路径规划的重要内容之一。伴随无人机(UAV)技术的不断发展,无人机全覆盖路径规划在较多领域中已有重要运用,但在此过程中,往往会出现禁飞区和障碍物,需要进行路径规划保证飞行安全及效率。为此,基于凸划分优化,提出了一种针对含有复杂障碍物的复杂地块的全覆盖路径规划方法,减少了覆盖路径长度,降低了覆盖路径总时间。复杂地块往往含有光滑曲线或崎岖的内凹边界轮廓,首先采用改进Douglas-Peucker算法,将复杂的地块边界压缩为复杂多边形边界,再用凹凸点检验标记顶点凹凸性。之后通过旋转主线找出最短主线方向,再使用随机路标法(PRM)寻找最短的辅线,并采用四种凸划分策略对于复杂地块进行凸划分优化,使得无人机在全覆盖过程中路径更短,工作效率更高。最后,对测试地块进行计算机仿真,达到整体路径比67.6%和54.9%的性能指标,并与其他凸划分优化算法在相同地块上进行比较,验证了本文算法在路径长度以及规划时间上相对更优。     

基于非精确计算的空间探测相控阵雷达任务规划算法

针对空间探测相控阵雷达系统，提出了一种新的基于非精确计算模型的观测任务规划算法。首先，建立了目标观测的实时任务模型，并分析了观测任务所占用传感器的资源；其次，基于非精确计算模型，提出一种多任务并行的实时容错调度算法来解决观测任务规划问题，该算法综合考虑相控阵雷达的搜索任务与跟踪任务，来进行系统资源的分配。对于跟踪任务，算法结合目标的过境时间以及当前系统的负载情况，以此来确定雷达对该目标的观测时间段；最后给出了算法的评估方法。利用2886个低轨空间目标进行仿真验证，结果表明，基于非精确计算模型的任务规划算法，可显著提高系统调度成功率以及时间资源利用率．比传统方法更稳健。     

基于改进冲突搜索的多智能体路径规划算法

多智能体路径规划问题在航空航天领域的多机任务中应用广泛但求解困难。基于改进冲突搜索的算法被设计用来快速求解多智能体路径规划问题。全局路径规划方面，首先设计综合考虑路径代价总和以及最大完工时间的多目标代价函数，其次提出基于唯一最短路径的冲突分类及消解方案，降低多智能体路径规划的计算量。在线冲突消解方面，利用速度障碍法在线检测和消解智能体与动态障碍物间的突发冲突。仿真结果表明，本文算法在全局路径规划方面保留基于冲突搜索算法的最优性并且降低了算法计算量，同时本文算法能够有效实现在线冲突检测与消解。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

基于导向强化Q学习的无人机路径规划

随着无人机的广泛应用,其飞行能耗和计算能力面临着瓶颈问题,因此无人机路径规划研究越来越重要。很多情况下,无人机并不能提前获得目标点的确切位置和环境信息,往往无法规划出一条有效的飞行路径。针对这一问题,提出了基于导向强化Q学习的无人机路径规划方法,该方法利用接收信号强度定义回报值,并通过Q学习算法不断优化路径;提出"导向强化"的原则,加快了学习算法的收敛速度。仿真结果表明,该方法能够实现无人机的自主导航和快速路径规划,与传统算法相比,大大减少了迭代次数,能够获得更短的规划路径。     

基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

基于改进A*算法的可行性路径搜索及优化

针对路径搜索和路径优化问题，提出了一种改进的A＊搜索算法。对估价函数予以加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速地逃离障碍物陷阱，使得算法在未知环境中能有效准确地找到可行性路径，并对可行性路径进行了优化，得到最短路径。仿真实验证明了算法的有效性和适应性。     

一种基于分枝定界法的串行测试任务调度算法

 目前的自动测试系统中,对于串行任务的测试一般是以整个任务为粒度,这就导致两个任务可能需要重复设置相同的状态或重复测试相同的内容,延长了测试时间,降低了测试效率。针对这个问题,建立了基于图论的串行测试任务时序模型,用“图”来描述串行任务的测试时间与测试顺序的关系,将实际工程问题转化为图论中的数学问题。在任务时序模型的基础上,提出了一个串行测试任务调度算法。对于多个需要串行测试的任务,利用该算法可以得到测试时间最短的串行任务序列。该算法是借助整数规划问题中分枝定界法的思想实现的,通过相关理论和具体实例对算法的正确性和复杂性进行了分析。在实际系统中对该算法进行了实验验证,结果表明给定任务的测试效率提高了40%以上。     

风险驱动的安全关键实时任务调度

安全关键系统面临着日趋严峻的安全威胁,如何降低安全关键实时应用的风险成为挑战。通过结合风险评估与实时调度,给出一种风险驱动的任务调度方案。在分析非周期实时任务可调度性的基础上,提出一种基于处理器瞬态利用率、系统安全风险最小的在线调度近似算法。在不违背关键任务的时间约束和安全约束的前提下,该算法能够在低时间复杂度内得到安全性能确保的次优解。实验结果显示所提算法能明显降低安全关键实时应用的风险。具体来讲,最大安全风险可降低22.2%,并且在安全风险近似率上界为110%情况下,真实近似率最小为102.4%。     

求解区域网络问题的近似算法

区域网络是给定一个无向图G=(V,E),在图G中,存在一个子图是森林,森林中的若干个不相交的树称为若干个区域。该问题的目标是把该森林子图即若干个区域连结成一棵树,且使增加的边的权和最小。把该问题归结为图的Steiner tree问题,给出了求解该问题的一个近似算法,并证明其复杂性,最后用实例说明算法的准确性。     

基于扩展Petri网的飞机装配系统设备调度方法

针对飞机装配过程中设备调度的复杂性,提出了基于扩展Petri网构建设备调度模型的新方法。结合飞机装配的实际特点,论述了模型定义过程和建立方法。该模型以面向对象Petri网表达飞机装配过程,以赋时Petri网将装配过程与辅助设备相关联,利用混合算法以时间和设备利用率为目标对模型进行优化求解。以某模型飞机中机身装配过程为例,应用该方法进行建模并求解,实例应用与分析表明该方法对实际装配设备调度具有较大的指导意义。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

基于最少可用飞机数的航班编组计划

研究了航空公司在运力紧张状况下的航班编组计划问题.首先根据单枢纽航线结构的特点,将航班编组计划问题转化为在枢纽机场的航班节编组问题,然后通过构造描述航班节间衔接关系的传递图,并利用传递图与其对应无向偶图的关系,将需用飞机数最少的航班节编组计划问题转化为求对应无向偶图的最小权最大匹配,从而构造出一个解决运力紧张状况下航班编组计划的多项式算法.最后通过一个算例说明了该算法的应用.     

基于执行时段滑动调整策略的中继卫星任务规划算法设计

针对中继卫星任务规划问题开展研究,提出一种基于执行时段滑动调整策略的任务规划算法。首先分析了中继卫星资源调度过程,并对任务申请的时间特征进行形式化描述,然后归纳出任务分配的主要约束,从而完成问题建模。在此基础上,对优化算法进行设计,给出了执行时段滑动调整步骤。通过调整已规划任务执行时段的方法,使部分原本无法执行任务具备执行可能,提升了任务执行率和资源利用率。在仿真实验中,通过大规模测试分析对比不同算法的优化效果,验证了文中所提方法的有效性。     

嵌入式高可信架构中基于静态模型的调度研究

为解决嵌入式高可信软件架构中的实时调度问题,分析了现有采用分区机制的安全系统中分区调度的不足,提出了一种基于固定周期分区的静态调度模型,并采用优先级位图算法建立了两级调度机制。为了保障分区中任务的实时性和正确性,对分区中任务采用静态优先级和最早时限优先调度(EDF)动态优先级两种调度策略,分别就其任务调度条件和可调度性进行了理论研究,针对复杂的动态优先级任务提出了一种可调度条件,并通过仿真实验进一步验证了此调度条件的正确性。     

面向应急条件的多星动态调度方法

 针对应急条件下多星动态调度问题,建立了多目标数学规划模型,提出了应急条件多星成像任务合成策略:建立多星多轨任务合成图(MSMOTMG)模型,提出任务合成算法CP-TM。为克服合成导致任务成像机会减少的缺陷,提出了基于合成任务分解的修复技术。此外,为进一步提高调度效率,考虑了任务在等待队列中的向后移位策略,提出了综合考虑任务合成、修复和向后移位的多星动态应急调度(TMRBS-DES)算法。通过大量模拟实验,将TMRBS-DES算法同RBHA算法,以及3个baseline算法(BS-DES、TMR-DES和TMBS-DES)进行了比较。实验结果表明TMRBS-DES算法提高了调度质量,适用于应急条件下多星动态调度问题。