粒子群優(yōu)化算法的改進及其在航跡規(guī)劃中的應(yīng)用研究.pdf

1、無人飛行器航跡規(guī)劃作為任務(wù)規(guī)劃的重要組成部分，無論是在軍用還是民用方面都越來越受到人們的重視，成為當(dāng)前研究的熱點。本論文對粒子群優(yōu)化算法及其在無人飛行器航跡規(guī)劃中的應(yīng)用進行了研究。針對無人飛行器航跡規(guī)劃的特點，圍繞基于粒子群優(yōu)化算法及其改進算法的航跡規(guī)劃方法展開了深入的研究。主要研究內(nèi)容包括：(1)粒子群優(yōu)化算法收斂性分析；(2)基于帶繁殖策略的量子粒子群優(yōu)化算法的航跡規(guī)劃方法研究；(3)基于相位角編碼的量子粒子群優(yōu)化算法的航跡規(guī)劃方法

2、研究；(4)基于差分進化量子粒子群優(yōu)化算法的航跡規(guī)劃方法研究。
　　通過將標(biāo)準(zhǔn)粒子群優(yōu)化算法參數(shù)的經(jīng)驗區(qū)域劃分為四個子區(qū)域，研究了標(biāo)準(zhǔn)粒子群優(yōu)化算法在經(jīng)驗區(qū)域的各個子區(qū)域內(nèi)的收斂和發(fā)散行為，分析了系統(tǒng)特征根與算法參數(shù)的關(guān)系，得到了一系列結(jié)論。數(shù)值仿真實驗展示了不同子區(qū)域內(nèi)的算法參數(shù)對粒子位置和粒子速度運動軌跡的不同影響，進一步驗證了所得結(jié)論的正確性。同時，給出了粒子群優(yōu)化算法參數(shù)的選擇策略，為后面章節(jié)仿真實驗中粒子群優(yōu)化算法參數(shù)的

3、選取提供了理論依據(jù)。
　　針對粒子群優(yōu)化算法(PSO)存在的早熟收斂問題，通過將種群的繁殖機制引入量子粒子群優(yōu)化算法(QPSO)，提出了一種帶繁殖機制的量子粒子群優(yōu)化算法(HQPSO)，并成功地將該算法應(yīng)用于無人飛行器的三維航跡規(guī)劃。同時，運用統(tǒng)計學(xué)方法，通過仿真實驗比較了HQPSO算法與QPSO算法以及帶動態(tài)變化慣性權(quán)系數(shù)的PSO算法的性能。仿真實驗結(jié)果表明，與基于QPSO算法和基于PSO算法的三維航跡規(guī)劃方法相比，基于HQPS

4、O算法的三維航跡規(guī)劃方法能以更快的收斂速度找到更優(yōu)的航跡，且該方法生成的三維航跡能夠有效地實現(xiàn)威脅回避和更好地進行地形跟隨。
　　通過對QPSO算法的編碼方式進行改進，本文提出了相位角編碼量子粒子群優(yōu)化算法(θ-QPSO算法)。選用了幾個常用的標(biāo)準(zhǔn)測試函數(shù)對θ-QPSO算法的性能進行了測試，并將其與GA算法、DE算法、PSO算法、θ-PSO算法和QPSO算法的性能作了比較。標(biāo)準(zhǔn)測試函數(shù)仿真實驗結(jié)果表明，θ-QPSO算法在選用的標(biāo)準(zhǔn)

5、測試函數(shù)集上均表現(xiàn)出比其他五種算法更好的性能。此外，本文還將θ-QPSO算法成功地應(yīng)用于無人飛行器航跡規(guī)劃問題。以航跡規(guī)劃這一實際工程應(yīng)用問題為背景，在不同戰(zhàn)場環(huán)境下比較了θ-QPSO算法和GA算法、DE算法、PSO算法、θ-PSO算法、QPSO算法五種算法的性能。仿真實驗結(jié)果表明，基于θ-QPSO算法航跡規(guī)劃方法比基于其他幾種算法的航跡規(guī)劃方法更好。
　　最后，本文提出了一種DE算法和QPSO算法的混合算法，稱為DEQPSO算法

6、，并將其成功地應(yīng)用于海洋環(huán)境下的無人飛行器航跡規(guī)劃。為了降低問題的復(fù)雜度和提高算法的求解效率，本文提出了一種海洋環(huán)境下的地形預(yù)處理方法。該方法首先提取出島嶼的輪廓，然后用橢圓對島嶼輪廓進行擬合。鑒于傳統(tǒng)的基于采樣的威脅代價計算方法非常耗時且難于確定采樣率，本文提出一種基于航跡段與威脅源位置關(guān)系的威脅代價計算方法。在不同的戰(zhàn)場環(huán)境下(不同的發(fā)射點，不同的目標(biāo)點，不同的雷達(dá)威脅)，DEQPSO算法均顯示出了其高效性和優(yōu)越性。仿真實驗結(jié)果表明