基于改进遗传算法的多无人机路径规划

对多无人机在动态环境下的路径规划问题进行了分析与建模,模型将无人机区分为就绪、工作、返航、失控4种状态;考虑了机群工作效率和威胁区域的生存概率,提出一种基于改进遗传算法的多无人机的路径规划方法。方法设计了新的编码、解码方法和具有明确物理意义的适应度评价函数,以加快实时的运算速度和提高运算精度。通过计算机仿真表明方法具有良好的多无人机动态路径规划能力。     

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。     

基于SWOT的四川省民用无人机发展战略研究

四川省是西部航空工业大省,也是全国重要的航空工业基地,作为全国低空空域协同管理改革的先行者,分析研究四川省民用无人机发展意义重大。本文利用SWOT分析法,从优势、劣势、机遇、威胁4个方面对四川省民用无人机发展现状分析研究,并为促进产业的健康发展提出了一些策略和建议。     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

基于GA-OCPA学习系统的无人机路径规划方法

为解决未知空域中无人机路径规划方法实时性和适用性不足的问题,以生物应激条件反射理论为基础,将无人机实时路径规划类比为在外界条件刺激下的一种自学习行为。首先,将概率自动机与遗传算法相结合,设计了基于Skinner操作条件反射理论框架(GA-OCPA)的学习系统;然后,将无人机规避机动的飞行速度、滚转加速度和拉升加速度作为系统学习的行为,并计算每次学习尝试之后的选择概率和个体适应度,通过遗传算法搜索最优行为进而得到最优路径;最后,运用增量多层判别回归树(IHDR)对学习得到的最优行为建立知识库,形成威胁状态与路径规划的匹配映射。实验结果表明GA-OCPA学习系统对于无人机路径规划具备有效性和适用性。     

无人机车辆组合物流配送路径规划探讨

近年来无人机在各个领域的应用逐渐兴起,尤其是在物流运输领域发展迅速。在物流运输领域的应用主要是与车辆进行组合运输,国内外的学者针对无人机和车辆组合运输的路径规划问题进行了许多研究。主要论述了目前车辆和无人机组合运行的4种模式,包括车辆支持无人机运行模式、无人机支持车辆运行模式、无人机与车辆独立的运行模式、无人机和车辆同步的运行模式。探究了目前无人机和车辆组合路径规划问题考虑的因素,包括无人机电池电量、运送包裹数量和时间窗等。对有无人机参与的车辆路径规划问题的目标优化进行了总结,目前的研究主要分为3类,包括考虑最短配送时间、最小总成本和多目标规划。这些研究对未来无人机配送问题的研究具有重要的指导意义。     

基于分层栅格地图的移动机器人路径规划

针对传统A-Star算法与模糊控制算法单独应用于移动机器人路径规划时各自的局限性,提出一种基于分层栅格地图并将两种算法融合的移动机器人路径规划新方法.融合后的新算法先利用A-Star算法在高层栅格地图中整体规划出一条概括性路径,再利用模糊控制算法以概括性路径中的点为导航点,在底层栅格地图中进行局部规划,从而得出最终的路径.仿真结果表明,与传统的A-Star算法与模糊控制算法相比较,新算法所规划路径距离较短且平滑可行,具有较高的品质.     

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。     

基于多指标动态优先级的无人机协同路径规划

针对复杂城市环境下多无人机（UAVS）协同巡检、配送等任务,提出一种基于多指标动态优先级的协同路径规划方法,以节省运行成本和增加任务效率。综合考虑碰撞风险、总路程、等待时间等指标构建动态优先级模型,并在优先级单边避碰机制下,定制组合规避策略以处理局部冲突,更好地权衡协同规划效率和路径质量。针对无人机个体路径规划,在Lazy Theta*算法基础上引入拥堵权值地图,引导无人机避开拥堵区域,降低冲突发生可能性。对比仿真试验表明：提出的个体规划算法可以减少拥堵区域和降低拥堵持续时间,提出的多指标动态优先级协同规划算法相比于飞行时间驱动的动态优先级,能够提高规划效率和结果最优性。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业,并提高作业效率,提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域,采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量,在确保各架UAV补给时间满足间隔分布约束条件下,综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素,并构成目标函数,通过采用改进PSO算法,实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明,相较于最大作业距离规划和最小返航距离规划,本文提出的规划算法表现出了较优的性能和较好的作业区域适应性,证实了其有效性和实用性。     

基于广义多层次模糊模型的无人机路径规划

无人机自主飞行的路径规划涉及许多因素,为了使决策向量的获得过程尽可能多包含各个因素的信息,采用广义多层次Fuzzy综合评判是一种有效的方法.但是由于预先不知道权数分配,也无法知道评判结果,故无法用解决广义多层次Fuzzy综合评判或解决其逆问题的方法得到结果.为此引入遗传算法,利用其进化特性,求得合理的权数分配和广义多层次Fuzzy综合评判结果,可以达到控制飞机飞行过程的目的.这一过程提供了一种解决非正非逆问题的广义多层次Fuzzy综合评判问题的新思路和新方法.     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

多无人机协同搜索区域划分与路径规划

针对多无人机广域协同搜索问题,研究无人机工作区间划分和全区域覆盖搜索路径规划2个子问题。采用按无人机来向均衡划分的方法和凹点凸分解的方法,开展了凸多边形和非凸多边形的区域划分研究,将多机协同搜索问题转化为子区域上的单机搜索问题;在此基础上采用Z型路径覆盖方法以及Dubins转弯路径,对各个无人机开展覆盖其子区域的搜索路径规划,从而建立了一个区域划分和路径规划的整体调用框架,能够对目标区域快速进行划分并生成飞行路线。最后,对凸多边形和非凸多边形区域搜索开展仿真计算,验证了该方法的有效性。     

多仓库下物流无人机协同配送方法

无人机以其快捷、低成本优势,在物流配送中可以实现高效的包裹配送,但也存在着运行时间短、载重不足等缺点。针对当前配送建模考虑因素不够全面的问题,构建了基于能耗变化、混合时间窗和同时取送货的多仓库物流无人机配送模型,以实现配送经济成本最低。与经典的多基地车辆路径问题相比,文中研究的问题没有限制无人机出发和返回的仓库,旨在最大限度地减少无人机的数量和所有无人机行驶的总距离。为进一步优化物流无人机配送成本,针对遗传算法(GeneticAlgorithm,GA)寻优能力较差的问题,引入大规模领域搜索算法(LargeNeighbor-hoodSearchAlgorithm,LNS)作为局部搜索算子,进而提出基于改进 GA(ImprovedGA,IGA)的物流无人机协同配送算法。经仿真测试以及 Solomn标准数据验证,该算法较传统 GA在降低配送成本方面成效明显。     

多无人机协同路径规划研究综述

多无人机协同路径规划是多无人机协同控制的重要研究内容之一。首先介绍了多无人机协同路径规划的问题描述、数学模型和求解框架,然后总结出在路径规划中常见的几类环境表示方法,最后分别介绍了在多无人机协同路径规划中用到的几类路径规划算法。此外还提出了多无人机协同路径规划应关注的几个问题及可能的发展方向。