基于改进人工蜂群算法的多无人作战飞机协同航迹规划

计算机应用 ›› 2013, Vol. 33 ›› Issue (12): 3596-3599.

基于改进人工蜂群算法的多无人作战飞机协同航迹规划

曹璐,贾银平,张安

西北工业大学电子信息学院，西安 710129

收稿日期:2013-06-20 修回日期:2013-08-16 发布日期:2013-12-31 出版日期:2013-12-01
通讯作者: 曹璐
作者简介:曹璐(1982-),男,湖北宜都人,博士,主要研究方向:复杂系统建模与仿真、无人机任务规划、智能控制;
贾银平(1987-),女,天津人,硕士,主要研究方向:复杂系统建模与仿真;
张安(1962-),男,陕西岐山人,教授,博士,主要研究方向:复杂系统建模仿真与效能评估、智能化指挥与控制工程、先进控制。
基金资助:
航空科学基金资助项目

Path planning for multiple unmanned combat aerial vehicles based on improved artificial bee colony algorithm

CAO Lu,JIA Yinping,ZHANG An

School of Electronic Information, Northwestern Polytechnical University, Xi'an Shaanxi 710129, China

Received:2013-06-20 Revised:2013-08-16 Online:2013-12-31 Published:2013-12-01
Contact: CAO Lu

摘要/Abstract

摘要： 针对多无人作战飞机(UCAV)航迹规划约束条件复杂、不确定因素多、实时性要求高的特点，提出一种基于改进的人工蜂群算法求解多UCAV协同航迹规划模型。首先构建战场空间的改进Voronoi图生成航迹优化可飞区域；然后采用混沌搜索算法来初始化航迹集合作为算法的蜜源，使其初始航迹集合能以有限的数据充分表示航迹优化可飞区域；最后对多UCAV在多种威胁环境下的航迹空间寻优进行仿真验证。仿真结果证明改进的人工蜂群算法提高了蜜源多样性和算法的收敛速度，增强了UCAV的动态战场适应能力和突发威胁应对能力。

关键词: 无人作战飞机, 人工蜂群算法, 改进Voronoi图, 航迹规划, 混沌搜索

Abstract: Due to the complex constraints, many uncertain factors and critical real-time demand of path planning for multiple Unmanned Combat Aerial Vehicle (multi-UCAV), an Improved Artificial Bee Colony (I-ABC) algorithm was proposed to solve the model of path planning for multi-UCAV. First, the Voronoi diagram of battle field space was conceived to generate the optimal area of UCAV's paths. Then the chaotic searching algorithm was used to initialize the collection of paths, which was regarded as foods of ABC algorithm. With the limited data, the initial collection could search the optimal area of paths perfectly. Finally simulations of the multi-UCAV path planning under various threats were carried out. The simulation results verify that I-ABC can improve the diversity of nectar source and the convergence rate of algorithm, and it can increase the adaptability of dynamic battlefield and unexpected threats for UCAV.

Key words: Unmanned Combat Aerial Vehicle (UCAV), Artificial Bee Colony (ABC) algorithm, improved Voronoi diagram, path planning, chaotic searching

中图分类号:

TP391.9

曹璐贾银平张安. 基于改进人工蜂群算法的多无人作战飞机协同航迹规划[J]. 计算机应用, 2013, 33(12): 3596-3599.

CAO Lu JIA Yinping ZHANG An. Path planning for multiple unmanned combat aerial vehicles based on improved artificial bee colony algorithm[J]. Journal of Computer Applications, 2013, 33(12): 3596-3599.

[1]	李智楠, 刘勤明, 陆昊洋. 韧性视角下基于随机演变的城市应急医疗物资配置模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 978-985.
[2]	肖智豪, 胡志华, 朱琳. 求解冷链物流时间依赖型车辆路径问题的混合自适应大邻域搜索算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2926-2935.
[3]	汤安迪, 韩统, 徐登武, 谢磊. 基于混沌麻雀搜索算法的无人机航迹规划方法[J]. 计算机应用, 2021, 41(7): 2128-2136.
[4]	张康, 陈建平. 复杂环境下基于采样空间自调整的航迹规划算法[J]. 计算机应用, 2021, 41(4): 1207-1213.
[5]	魏博, 杨茸, 舒思豪, 万勇, 苗建国. 基于离子运动-人工蜂群算法的移动机器人路径规划[J]. 计算机应用, 2021, 41(2): 379-383.
[6]	李文霞, 刘林忠, 代存杰, 李玉. 基于多种群组合策略的人工蜂群算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3113-3119.
[7]	许秋艳, 马良, 刘勇. 基于混沌搜索和错卦变换的阴阳平衡优化算法[J]. 计算机应用, 2020, 40(8): 2305-2312.
[8]	汤星峰, 徐卿钦, 马世纬. 基于路径探索的车载自组网贪婪路由算法[J]. 计算机应用, 2020, 40(6): 1738-1744.
[9]	许洋, 秦小林, 刘佳, 张力戈. 多无人机自适应编队协同航迹规划[J]. 计算机应用, 2020, 40(5): 1515-1521.
[10]	张架鹏, 倪志伟, 倪丽萍, 朱旭辉, 伍章俊. 基于改进离散人工蜂群算法的同类机调度优化[J]. 计算机应用, 2020, 40(3): 689-697.
[11]	张志强, 鲁晓锋, 孙钦东, 王侃. 增强开发能力的改进人工蜂群算法[J]. 计算机应用, 2019, 39(4): 949-955.
[12]	刘佳, 秦小林, 许洋, 张力戈. 固定翼无人机在线航迹规划方法[J]. 计算机应用, 2019, 39(12): 3522-3527.
[13]	张维存, 高蕊, 张曼. 作业车间环境下的采购生产配送联合调度模型[J]. 计算机应用, 2019, 39(11): 3383-3390.
[14]	方春林, 刘晓娟, 辛营营, 罗欢. 基于人工蜂群算法的轨道交通列车行车间隔优化[J]. 计算机应用, 2018, 38(9): 2725-2729.
[15]	周海鹏, 高芹, 蒋丰千, 余大为, 乔焰, 李旸. 自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用[J]. 计算机应用, 2018, 38(4): 1064-1071.