無人飛行器任務(wù)規(guī)劃

第1章 緒論 1.1 任務(wù)規(guī)劃研究的背景和意義 1.2 無人飛行器任務(wù)規(guī)劃綜述 1.2.1 無人飛行器任務(wù)規(guī)劃問題 1.2.2 任務(wù)規(guī)劃系統(tǒng)的應(yīng)用現(xiàn)狀 1.3 常用的任務(wù)規(guī)劃方法 1.3.1 單無人飛行器航路規(guī)劃方法 1.3.2 多無人飛行器協(xié)同航路規(guī)劃方法 1.3.3 多無人飛行器協(xié)同任務(wù)分配方法 1.4 當前任務(wù)規(guī)劃研究中存在的問題 1.5 本書的主要內(nèi)容及安排第2章 無人飛行器任務(wù)規(guī)劃的系統(tǒng)結(jié)構(gòu) 2.1 無人飛行器任務(wù)規(guī)劃系統(tǒng)的本質(zhì)分析 2.1.1 無人飛行器任務(wù)規(guī)劃系統(tǒng)的概述 2.1.2 無人飛行器任務(wù)規(guī)劃系統(tǒng)的特點 2.1.3 無人飛行器任務(wù)規(guī)劃系統(tǒng)的功能 2.2 多無人飛行器協(xié)同任務(wù)規(guī)劃系統(tǒng)的體系結(jié)構(gòu) 2.3 單無人飛行器任務(wù)規(guī)劃系統(tǒng)的邏輯結(jié)構(gòu) 2.4 多無人飛行器協(xié)同任務(wù)規(guī)劃系統(tǒng)的邏輯結(jié)構(gòu) 2.5 本章小結(jié)第3章 無人飛行器任務(wù)規(guī)劃的數(shù)學(xué)模型 3.1 單無人飛行器任務(wù)規(guī)劃的數(shù)學(xué)模型 3.1.1 單無人飛行器航路規(guī)劃模型 3.1.2 單無人飛行器多航路規(guī)劃模型 3.2 多無人飛行器協(xié)同任務(wù)規(guī)劃的數(shù)學(xué)模型 3.2.1 多無人飛行器協(xié)同任務(wù)分配模型 3.2.2 多無人飛行器協(xié)同航路規(guī)劃模型 3.3 本章小結(jié)第4章 任務(wù)規(guī)劃數(shù)字地圖技術(shù) 4.1 概述 4.1.1 航空數(shù)字地圖 4.1.2 電子海圖 4.2 數(shù)字地圖的采集與處理 4.3 數(shù)字地圖數(shù)據(jù)的模擬 4.3.1 地形統(tǒng)計特性分析 4.3.2 隨機地形的模擬 3.3.3 特征地形的模擬 3.3.4 地形數(shù)據(jù)的插值 4.3.5 地形數(shù)據(jù)的平滑 4.4 本章小結(jié)第5章 任務(wù)規(guī)劃威脅信息建模技術(shù) 5.1 威脅空間的構(gòu)建 5.1.1 威脅空間的組成要素 5.1.2 威脅空間的基本概念 5.1.3 威脅空間的生成過程 5.2 探測威脅信息建模 5.2.1 雷達探測威脅信息建模 5.2.2 電磁干擾威脅信息建模 5.3 火力威脅信息建模 5.3.1 地空導(dǎo)彈威脅信息建模 5.3.2 高炮威脅信息建模 5.4 本章小結(jié)第6章 單無人飛行器航路規(guī)劃 6.1 多目標優(yōu)化問題的求解方法 6.1.1 多目標優(yōu)化理論基礎(chǔ) 6.1.2 多目標優(yōu)化問題的求解方法 6.2 基于自適應(yīng)偽并行遺傳算法的航路規(guī)劃 6.2.1 遺傳算法分析 6.2.2 自適應(yīng)偽并行遺傳算法 6.2.3 基于自適應(yīng)偽并行遺傳算法的航路規(guī)劃 6.2.4 仿真實驗 6.3 基于改進蟻群算法的航路規(guī)劃 6.3.1 蟻群算法分析 6.3.2 蟻群算法的改進 6.3.3 基于改進蟻群算法的航路規(guī)劃 6.3.4 仿真實驗 6.4 基于元胞自動機的航路規(guī)劃 6.4.1 元胞自動機理論 6.4.2 基于元胞自動機的航路規(guī)劃 6.4.3 仿真實驗 6.5 基于元胞螞蟻算法的單無人飛行器航路規(guī)劃 6.5.1 蟻群算法與元胞自動機的混合 6.5.2 基于元胞螞蟻算法的單UAV航路規(guī)劃 6.5.3 仿真實驗 6.6 本章小結(jié)第7章 單無人飛行器多航路規(guī)劃 7.1 單無人飛行器多航路規(guī)劃問題求解方法 7.1.1 無人飛行器多航路規(guī)劃的問題描述 7.1.2 多峰值函數(shù)優(yōu)化的求解方法 7.2 克隆選擇原理分析 7.2.1 克隆選擇原理 7.2.2 克隆選擇算法的描述 7.2.3 克隆選擇算法在函數(shù)優(yōu)化中的應(yīng)用 7.2.4 克隆選擇算法同進化算法的比較 7.3 小生境克隆選擇算法 7.3.1 小生境技術(shù) 7.3.2 克隆選擇算法的改進 7.3.3 小生境克隆選擇算法 7.4 基于小生境克隆選擇算法的單無人飛行器多航路規(guī)劃 7.4.1 抗體的編碼 7.4.2 初始抗體的確定 7.4.3 抗體-抗原親和度的確定 7.4.4 基于小生境適應(yīng)值共享函數(shù)的親和度調(diào)整 7.4.5 克隆操作 7.4.6 新抗體的補充 7.4.7 優(yōu)秀抗體的記憶 7.4.8 單無人飛行器多航路規(guī)劃流程 7.5 仿真驗證與分析 7.6 本章小結(jié)第8章 多無人飛行器協(xié)同任務(wù)分配 8.1 多目標整數(shù)優(yōu)化問題求解方法 8.1.1 多目標整數(shù)優(yōu)化問題的搜索與決策 8.1.2 多目標整數(shù)優(yōu)化問題的求解方法 8.2 粒子群優(yōu)化算法分析 8.2.1 算法的基本原理 8.2.2 粒子群算法的社會行為分析 8.2.3 粒子群算法的應(yīng)用 8.2.4 粒子群算法與進化算法的比較分析 8.3 混合離散粒子群任務(wù)分配算法 8.3.1 離散粒子群算法 8.3.2 離散粒子群任務(wù)分配算法 8.3.3 離散粒子群算法與禁忌搜索的混合優(yōu)化任務(wù)分配策略 8.4 基于混合離散粒子群算法的多無人飛行器協(xié)同任務(wù)分配 8.4.1 粒子的編碼 8.4.2 初始粒子群的確定 8.4.3 適應(yīng)度函數(shù)值的計算 8.4.4 粒子位置和速度的更新操作 8.4.5 粒子的局部搜索 8.4.6 多機協(xié)同任務(wù)分配算法的實現(xiàn)流程 8.5 仿真實驗 8.6 本章小結(jié)第9章 多無人飛行器協(xié)同航路規(guī)劃 9.1 多無人飛行器協(xié)同航路規(guī)劃問題求解方法 9.1.1 多無人飛行器協(xié)同航路規(guī)劃 9.1.2 多無人飛行器協(xié)同航路規(guī)劃問題的求解 9.2 威脅場的擴展Voronoi圖模型的建立 9.2.1 Voronoi圖的基本理論 9.2.2 威脅場的擴展Voronoi圖模型 9.2.3 針對突發(fā)威脅的擴展Voronoi圖模型 9.2.4 Voronoi圖與擴展Voronoi圖的比較分析 9.3 多機航路規(guī)劃的協(xié)同控制 9.3.1 協(xié)同進化理論 9.3.2 基于協(xié)同進化算法的空域協(xié)同 9.3.3 基于層次分解策略的時域協(xié)同 9.4 基于擴展Voronoi圖模型與協(xié)同進化算法的協(xié)同航路規(guī)劃 9.4.1 威脅場擴展Voronoi圖的構(gòu)造 9.4.2 無人飛行器可行航路的編碼 9.4.3 初始化種群的建立 9.4.4 單條航路適應(yīng)度的計算 9.4.5 進化操作 9.4.6 空域協(xié)同操作 9.4.7 時域協(xié)同操作 9.4.8 多無人飛行器協(xié)同航路規(guī)劃流程 9.5 仿真實驗 9.6 本章小結(jié)參考文獻