第1章 概述 1
1．1 飞行器航路规划的基本概念 1
1．1．1 飞行器航路规划系统的组成和分类 1
1．1．2 飞行器航路规划的基本约束和优化指标 4
1．1．3 航路规划需要解决的关键问题 6
1．2 飞行器航路规划基本方法 7
1．2．1 简单航线管理 7
1．2．2 分层规划思想 9
1．2．3 实时航路规划与TF／TA2 12
1．3 反舰导弹航路规划 16
1．3．1 反舰导弹航路规划的作用 16
1．3．2 反舰导弹航路规划系统发展趋势 17
第2章 反舰导弹航路规划问题的数学模型 21
2．1 反舰导弹航路规划的数学描述 21
2．2 反舰导弹航路规划的优化指标 23
2．2．1 战术效果指标 23
2．2．2 航程指标 27
2．2．3 安全指标 29
2．2．4 飞行时间指标 29
2．2．5 航路优化的综合评价指标 29
2．3 反舰导弹航路规划的约束条件 30
2．3．1 地形与威胁约束 30
2．3．2 战术约束 31
2．3．3 最大航程约束 32
2．3．4 机动性能约束 32
2．3．5 其他约束 34
2．4 反舰导弹航路规划的算法 34
第3章 大地主题相关问题 36
3．1 不同大地基准下目标定位误差 36
3．1．1 几种基本的大地基准 36
3．1．2 求解目标定位偏差时所涉及的数学模型 38
3．1．3 偏差的实例分析 42
3．2 大地主题解算的简化方法 46
3．2．1 椭球面上解算大地主题问题的精确算法：Bowring公式 46
3．2．2 椭球体简化为圆球体的方法 48
3．2．3 椭球面简化为圆球面的方法 51
3．2．4 椭球面简化为平面的简化方法 56
第4章 数字地图技术 59
4．1 反舰导弹航路规划用图分析 59
4．1．1 数字地图概述 59
4．1．2 反舰导弹航路规划数据使用特点 61
4．2 栅格数字地图处理技术 63
4．2．1 数字高程模型 63
4．2．2 数字地图网格划分 64
4．2．3 单元格代价计算 66
4．2．4 有向图的建立 71
4．3 矢量数字地图处理技术 72
4．3．1 等高线预处理 72
4．3．2 基于扫描束的矢量地形裁剪方法 75
第5章 威胁处理技术 84
5．1 威胁的建模 84
5．1．1 已知固定威胁 85
5．1．2 已知移动威胁 85
5．1．3 未知威胁 86
5．1．4 实现方法 86
5．2 威胁的评估方法 87
5．3 矢量地形威胁通视性方法 89
5．3．1 基本算法原理 89
5．3．2 改进算法描述 89
5．3．3 算法仿真验证与分析 90
5．4 栅格地形通视性分析方法 92
5．4．1 通视性分析的基本算法 92
5．4．2 L－MinMax区间 93
5．4．3 视线方向选择 93
5．4．4 算法描述 94
5．4．5 仿真验证与分析 95
5．5 其他处理方法 96
第6章 简单航路规划方法 99
6．1 各阶段航路规划的主要目标 99
6．2 求解航路关键点 100
6．2．1 求解起始段终点 100
6．2．2 求解搜索攻击段起点 100
6．2．3 最大转弯角调整 102
6．3 前置射击问题 103
6．3．1 目标运动预测 103
6．3．2 前置射击模型 107
第7章 基于SAS的航路管道规划 109
7．1 地形数据提取 109
7．1．1 提取高度层 109
7．1．2 规划区域地形裁剪 109
7．2 SAS算法 111
7．2．1 SAS算法简述 111
7．2．2 SAS算法的存储结构 112
7．2．3 搜索节点的扩展 113
7．2．4 航路管道 115
7．3 末端进入角的控制 116
7．4 算法的改进 117
7．4．1 节点密集度约束 117
7．4．2 算法仿真验证与分析 117
7．4．3 算法复杂度 118
7．4．4 启发路径网 119
7．5 SAS三维规划 119
7．5．1 SAS高程规划的基本步骤 119
7．5．2 SAS高程节点扩展 121
第8章 动态几何规划算法 123
8．1 算法基本流程 123
8．2 求解航路的基本算法 123
8．2．1 阶段划分 124
8．2．2 规避树 124
8．2．3 局部规避算法 126
8．2．4 基本几何运算 127
8．3 算法的改进 129
8．3．1 算法的复杂度 129
8．3．2 改进方法 129
8．4 三维航迹规划 130
8．4．1 总体规划流程 131
8．4．2 跃升区间 131
8．4．3 跃起点计算 132
8．4．4 邻近地形的高程规划 133
8．5 规划算法仿真对比与分析 134
第9章 基于遗传算法的航路规划 137
9．1 遗传算法的原理 137
9．2 遗传算法水平航路规划 138
9．2．1 染色体的编码 138
9．2．2 初始群体的确定 140
9．2．3 遗传操作 140
9．3 航路适应度函数 141
9．4 算法的改进与局限性 142
9．4．1 改进方法 142
9．4．2 算法的局限性 143
第10章 基于蚁群算法的航路规划 144
10．1 蚁群算法的原理 144
10．2 蚂蚁寻优模型 146
10．2．1 蚂蚁状态转移规则 146
10．2．2 信息素的更新 147
10．3 航路节点开辟与优化 148
10．4 算法仿真验证 149
10．5 蚁群算法与进化算法的对比 150
10．6 蚁群算法的改进 151
10．6．1 自适应航路点选择策略 151
10．6．2 信息素蒸发因子自适应调整策略 152
10．6．3 节点信息素最大／最小值限制策略 152
10．6．4 建立有向图 152
10．6．5 变步长 153
第11章 新兴的航路规划算法 154
11．1 改进的粒子群优化方法 154
11．1．1 粒子群优化算法分析 154
11．1．2 航路粒子的编码 160
11．1．3 小生境粒子群算法 160
11．1．4 共享适应值模型 162
11．1．5 动态调整小生境 162
11．1．6 子群体协同模式设计 164
11．2 鱼群算法 165
11．2．1 航路的AF模型 166
11．2．2 鱼群行为分析 167
11．2．3 Tabu公告牌 169
11．2．4 AF生存与竞争机制 170
11．3 模拟退火法 171
11．3．1 模拟退火算法流程 172
11．3．2 航路新解的产生 172
11．3．3 冷却进度表 173
11．3．4 循环终止条件 174
11．3．5 算法的改进 174
第12章 基于航路规划的战术应用 176
12．1 低空突防 176
12．2 迂回攻击 177
12．3 区域搜索攻击 178
12．4 饱和攻击 179
12．4．1 攻击角度的分配 180
12．4．2 发射时间的协调 180
12．5 近程打击 182
附录 中英文名词对照表 185
参考文献 187