训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。     

基于支持向量机的概率型飞行冲突探测算法

为解决自由飞行条件下冲突探测概率估计问题,提出了一种基于支持向量机(SVM)的概率型飞行冲突探测算法。首先对飞机运动轨迹及保护区建模,飞机预测航迹误差服从高斯分布,以目标机为中心建立椭球保护区E模型,获得冲突和不冲突样本。在此基础上,选取飞机当前位置、速度矢量和向前看时间为特征量,采用SMOTE重采样方法解决样本不均衡问题,进行SVM训练,并通过Sigmoid函数概率映射法求解冲突概率,建立冲突探测模型。仿真结果表明,所提出的算法能够探测中短期向前看时间内飞行冲突,所得冲突概率准确、虚警率较低。