无人机航迹规划的人工智能算法研究_第1页
无人机航迹规划的人工智能算法研究_第2页
无人机航迹规划的人工智能算法研究_第3页
无人机航迹规划的人工智能算法研究_第4页
无人机航迹规划的人工智能算法研究_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

无人机航迹规划的人工智能算法研究06遗传算法规避风险区域05遗传算法简介人工智能算法简介0204蚁群算法解决无人机最短路径规划01无人机航迹规划问题描述03蚁群算法简介无人机航迹规划问题描述

无人机航迹规划，是指在综合考虑无人机能顺利完成预定任务而规划出一条从起始点起飞，遍历多个目标点最后返回起始点且避开风险区域的最优航迹。该航迹要求：

1、飞行总路径距离尽可能短

2、尽可能避开风险区域（敌防空火力、恶劣气候、高山峻岭等）人工智能算法简介

人工智能算法广义上指模拟自然界生物智能解决问题的一类计算机算法。这类算法能够根据输入数据不断调整自身运算策略，善于在较短时间内找到NP类问题的较优解。常见的人工智能算法：蚁群优化算法、遗传算法、模拟退火算法、人工神经网络等。蚁群算法简介

蚂蚁在觅食时，总能找到一条从食物到巢穴之间的最优路径。这是因为蚂蚁在寻找路径时会在路径上释放出一种特殊的信息素。开始时蚂蚁觅食所选路线较为随机，但由于释放的激索的挥发，越短的路径激素浓度越高，概率就会相对较大，最终整个蚁群会找出最优路径。

无人机最短路径规划问题属经典TSP（旅行商）问题，下面说明蚁群算法的核心公式：在时刻t人工蚂蚁k由位置i转移至位置j的转移概率：蚁群算法解决无人机最短路径规划遗传算法简介

遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的计算模型。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因（gene）编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现。遗传算法规避风险区域威胁区域规避遗传算子交叉适应度函数为算法的核心。无人机遗传算法规避风险区域适应度函数：其中为当前群体中最长航迹距离，为第i段航路的距离，为第i段航迹与全部威胁区域之间的最短距离，A、B分别为距离、风险在航迹规划中所占权重；α为判别是否满足最小转弯半径的惩罚系数，其满足最小转弯角度条件时取值为1，反之为0。谢谢观看！答辩人：高宇航郑君“旅行商问题”（TSP问题）常被称为是指一名推销员要拜访多个地点时，如何找到在拜访每个地点一次后再回到起点的最短路径。规则虽然简单，但在地点数目增多后求解却极为复杂，如果要列举所有路径后再确定最佳行程，那么

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论