文献类型：期刊文章

作　　者：刘森琪[1] 段海滨[1,2] 余亚翔[1]

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100083 [2]苏州大学江苏省计算机信息处理技术重点实验室,江苏苏州215006

出　　处：《系统仿真学报》

基　　金：国家自然科学基金(60604009);航空科学基金资助项目(2006ZC51039);北京科技新星计划资助项目(2007A017);苏州大学江苏省计算机信息处理技术重点实验室开放课题基金(KJS0821)

年　　份：2008

卷　　号：20

期　　号：21

起止页码：5936-5939

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSCD、CSCD2011_2012、EI(收录号：20084911767208)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：无人作战飞机(UCVA)航路规划是一类复杂优化问题。在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法。根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验。实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性。

关 键 词：无人作战飞机(UCAV)  航路规划 VORONOI图 蚁群优化(ACO)  信息素  

分 类 号：TP391.9]