第1章 绪论 1
1.1 任务规划研究的背景和意义 1
1.2 无人飞行器任务规划综述 2
1.2.1 无人飞行器任务规划问题 2
1.2.2 任务规划系统的应用现状 4
1.3 常用的任务规划方法 6
1.3.1 单无人飞行器航路规划方法 6
1.3.2 多无人飞行器协同航路规划方法 9
1.3.3 多无人飞行器协同任务分配方法 11
1.4 当前任务规划研究中存在的问题 12
1.5 本书的主要内容及安排 14
第2章 无人飞行器任务规划的系统结构 17
2.1 无人飞行器任务规划系统的本质分析 17
2.1.1 无人飞行器任务规划系统的概述 17
2.1.2 无人飞行器任务规划系统的特点 19
2.1.3 无人飞行器任务规划系统的功能 19
2.2 多无人飞行器协同任务规划系统的体系结构 20
2.3 单无人飞行器任务规划系统的逻辑结构 22
2.4 多无人飞行器协同任务规划系统的逻辑结构 24
2.5 本章小结 26
第3章 无人飞行器任务规划的数学模型 27
3.1 单无人飞行器任务规划的数学模型 27
3.1.1 单无人飞行器航路规划模型 27
3.1.2 单无人飞行器多航路规划模型 29
3.2 多无人飞行器协同任务规划的数学模型 31
3.2.1 多无人飞行器协同任务分配模型 31
3.2.2 多无人飞行器协同航路规划模型 33
3.3 本章小结 35
第4章 任务规划数字地图技术 36
4.1 概述 36
4.1.1 航空数字地图 36
4.1.2 电子海图 38
4.2 数字地图的采集与处理 40
4.3 数字地图数据的模拟 42
4.3.1 地形统计特性分析 42
4.3.2 随机地形的模拟 43
3.3.3 特征地形的模拟 47
3.3.4 地形数据的插值 47
4.3.5 地形数据的平滑 50
4.4 本章小结 51
第5章 任务规划威胁信息建模技术 52
5.1 威胁空间的构建 53
5.1.1 威胁空间的组成要素 53
5.1.2 威胁空间的基本概念 56
5.1.3 威胁空间的生成过程 58
5.2 探测威胁信息建模 59
5.2.1 雷达探测威胁信息建模 59
5.2.2 电磁干扰威胁信息建模 60
5.3 火力威胁信息建模 60
5.3.1 地空导弹威胁信息建模 60
5.3.2 高炮威胁信息建模 61
5.4 本章小结 62
第6章 单无人飞行器航路规划 63
6.1 多目标优化问题的求解方法 63
6.1.1 多目标优化理论基础 63
6.1.2 多目标优化问题的求解方法 65
6.2 基于自适应伪并行遗传算法的航路规划 67
6.2.1 遗传算法分析 67
6.2.2 自适应伪并行遗传算法 71
6.2.3 基于自适应伪并行遗传算法的航路规划 74
6.2.4 仿真实验 77
6.3 基于改进蚁群算法的航路规划 78
6.3.1 蚁群算法分析 78
6.3.2 蚁群算法的改进 84
6.3.3 基于改进蚁群算法的航路规划 85
6.3.4 仿真实验 89
6.4 基于元胞自动机的航路规划 89
6.4.1 元胞自动机理论 89
6.4.2 基于元胞自动机的航路规划 94
6.4.3 仿真实验 98
6.5 基于元胞蚂蚁算法的单无人飞行器航路规划 100
6.5.1 蚁群算法与元胞自动机的混合 100
6.5.2 基于元胞蚂蚁算法的单UAV航路规划 105
6.5.3 仿真实验 107
6.6 本章小结 108
第7章 单无人飞行器多航路规划 109
7.1 单无人飞行器多航路规划问题求解方法 109
7.1.1 无人飞行器多航路规划的问题描述 109
7.1.2 多峰值函数优化的求解方法 111
7.2 克隆选择原理分析 113
7.2.1 克隆选择原理 113
7.2.2 克隆选择算法的描述 116
7.2.3 克隆选择算法在函数优化中的应用 118
7.2.4 克隆选择算法同进化算法的比较 120
7.3 小生境克隆选择算法 121
7.3.1 小生境技术 121
7.3.2 克隆选择算法的改进 125
7.3.3 小生境克隆选择算法 127
7.4 基于小生境克隆选择算法的单无人飞行器多航路规划 129
7.4.1 抗体的编码 129
7.4.2 初始抗体的确定 131
7.4.3 抗体—抗原亲和度的确定 131
7.4.4 基于小生境适应值共享函数的亲和度调整 132
7.4.5 克隆操作 132
7.4.6 新抗体的补充 134
7.4.7 优秀抗体的记忆 134
7.4.8 单无人飞行器多航路规划流程 134
7.5 仿真验证与分析 135
7.6 本章小结 141
第8章 多无人飞行器协同任务分配 142
8.1 多目标整数优化问题求解方法 142
8.1.1 多目标整数优化问题的搜索与决策 142
8.1.2 多目标整数优化问题的求解方法 143
8.2 粒子群优化算法分析 144
8.2.1 算法的基本原理 144
8.2.2 粒子群算法的社会行为分析 145
8.2.3 粒子群算法的应用 146
8.2.4 粒子群算法与进化算法的比较分析 148
8.3 混合离散粒子群任务分配算法 150
8.3.1 离散粒子群算法 150
8.3.2 离散粒子群任务分配算法 153
8.3.3 离散粒子群算法与禁忌搜索的混合优化任务分配策略 157
8.4 基于混合离散粒子群算法的多无人飞行器协同任务分配 163
8.4.1 粒子的编码 163
8.4.2 初始粒子群的确定 164
8.4.3 适应度函数值的计算 164
8.4.4 粒子位置和速度的更新操作 164
8.4.5 粒子的局部搜索 165
8.4.6 多机协同任务分配算法的实现流程 166
8.5 仿真实验 167
8.6 本章小结 170
第9章 多无人飞行器协同航路规划 171
9.1 多无人飞行器协同航路规划问题求解方法 171
9.1.1 多无人飞行器协同航路规划 171
9.1.2 多无人飞行器协同航路规划问题的求解 172
9.2 威胁场的扩展Voronoi图模型的建立 173
9.2.1 Voronoi图的基本理论 173
9.2.2 威胁场的扩展Voronoi图模型 174
9.2.3 针对突发威胁的扩展Voronoi图模型 177
9.2.4 Voronoi图与扩展Voronoi图的比较分析 177
9.3 多机航路规划的协同控制 179
9.3.1 协同进化理论 179
9.3.2 基于协同进化算法的空域协同 186
9.3.3 基于层次分解策略的时域协同 187
9.4 基于扩展Voronoi图模型与协同进化算法的协同航路规划 190
9.4.1 威胁场扩展Voronoi图的构造 190
9.4.2 无人飞行器可行航路的编码 191
9.4.3 初始化种群的建立 192
9.4.4 单条航路适应度的计算 192
9.4.5 进化操作 192
9.4.6 空域协同操作 193
9.4.7 时域协同操作 194
9.4.8 多无人飞行器协同航路规划流程 194
9.5 仿真实验 195
9.6 本章小结 200
参考文献 201