针对动态不确定战场环境下多无人机对多区域、多目标的协同察打任务规划过程中存在的信息不确定、任务多约束及航迹强耦合的多目标优化与决策问题,结合Dubins航迹规划算法,提出了一种融合多种改进策略的灰狼优化算法(grey wolf optimiza...针对动态不确定战场环境下多无人机对多区域、多目标的协同察打任务规划过程中存在的信息不确定、任务多约束及航迹强耦合的多目标优化与决策问题,结合Dubins航迹规划算法,提出了一种融合多种改进策略的灰狼优化算法(grey wolf optimization algorithm incorporating multiple improvement strategies,IMISGWO).首先,针对动态环境带来的无人机巡航速度及察打任务消失时间的不确定性,基于可信性理论建立了以最大化任务收益为指标的任务规划数学模型;其次,为实现该问题的快速求解,设计了初始解均匀分布、个体通信机制调整、动态权重更新和跳出局部最优等策略,提升算法解搜索能力;最后,构建了多无人机察打一体典型任务仿真场景,通过数字仿真以及虚实结合半实物仿真试验验证了算法的可行性和有效性.仿真结果表明:算法在求解不确定环境下耦合航迹的多无人机察打一体任务规划问题时,能够生成多机高效的任务执行序列和满足无人机飞行性能约束的飞行轨迹,且能够适用于无人机数量增加导致问题复杂度增加情形下此类问题的求解.展开更多
针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保...针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保无人机任务总体时间最短与非作业路程总距离最小为目标建立了任务规划模型,并且采用ISWO算法对模型进行求解。ISWO在蛛蜂算法的基础上融入了学习因子的正余弦自适应收缩策略与贪婪均值思想的种群初始化办法。经算法有效性分析与案例分析,相较于传统的最大作业距离模式,ISWO能够大幅度降低作业总体时间与非作业路程长度。相较于四个启发式算法WOA、GWO、PSO、SWO,ISWO在寻优性能与稳定性上有突出表现,可为植保无人机处方作业规划提供一定的参考。展开更多
文摘针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保无人机任务总体时间最短与非作业路程总距离最小为目标建立了任务规划模型,并且采用ISWO算法对模型进行求解。ISWO在蛛蜂算法的基础上融入了学习因子的正余弦自适应收缩策略与贪婪均值思想的种群初始化办法。经算法有效性分析与案例分析,相较于传统的最大作业距离模式,ISWO能够大幅度降低作业总体时间与非作业路程长度。相较于四个启发式算法WOA、GWO、PSO、SWO,ISWO在寻优性能与稳定性上有突出表现,可为植保无人机处方作业规划提供一定的参考。
