基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.
推荐文章
改进PSO算法在多无人机协同任务分配中的应用
无人机
阶层分级
任务分配
粒子群算法
实数编码
基于任务区分的无人机航路规划方法
无人机
任务区分
固定航路规划
突防航路规划
多目标群多基地多无人机协同任务规划
任务规划
周期性快速搜索遗传算法
无人机
共同分配
Memetic算法在无人机侦察航路规划中的应用
粒子群优化
文化基因
无人机
航路规划
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 AC-PSO算法在无人机任务规划中的应用
来源期刊 南京航空航天大学学报(英文版) 学科 工学
关键词 无人机 任务规划 粒子群优化 进化计算
年,卷(期) 2005,(3) 所属期刊栏目
研究方向 页码范围 264-270
页数 7页 分类号 O195|TP391
字数 1164字 语种 英文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (657)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (46)
二级引证文献  (28)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(3)
  • 参考文献(3)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(0)
  • 二级引证文献(2)
2010(6)
  • 引证文献(0)
  • 二级引证文献(6)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
无人机
任务规划
粒子群优化
进化计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京航空航天大学学报(英文版)
双月刊
1005-1120
32-1389/V
大16开
南京市御道街29号1016信箱
1982
eng
出版文献量(篇)
1548
总下载数(次)
1
总被引数(次)
4543
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导