基于优化粒子群算法的无人机航路规划

张建南; 刘以安; 王刚

doi:10.13873/J.1000-9787(2017)03-0058-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于优化粒子群算法的无人机航路规划

研究与探讨 | 更新时间：2025-09-11

- 基于优化粒子群算法的无人机航路规划
- UAV route planning based on PSO algorithm
- 传感器与微系统 2017年36卷第3期页码：58-61
- 作者机构：
  
  1. 江南大学物联网工程学院
  2. 中国舰船研究院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61170120）
- DOI：10.13873/J.1000-9787(2017)03-0058-04
  中图分类号： TP18;V249;V279
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]张建南,刘以安,王刚.基于优化粒子群算法的无人机航路规划[J].传感器与微系统,2017,36(03):58-61.

ZHANG Jian-nan, LIU Yi-an, WANG Gang. UAV route planning based on PSO algorithm[J]. 2017, 36(3): 58-61.
[1]张建南,刘以安,王刚.基于优化粒子群算法的无人机航路规划[J].传感器与微系统,2017,36(03):58-61. DOI： 10.13873/J.1000-9787(2017)03-0058-04.

ZHANG Jian-nan, LIU Yi-an, WANG Gang. UAV route planning based on PSO algorithm[J]. 2017, 36(3): 58-61. DOI： 10.13873/J.1000-9787(2017)03-0058-04.

摘要

针对粒子群优化（PSO）算法的无人机（UAV）航路规划问题

引入惯性权重和自然选择对粒子群算法进行优化

以提高基本粒子群算法收敛速度

防止陷入局部最优。算法分析惯性权重对粒子群算法的影响

进而调整惯性因子

提高算法的搜索能力;利用自然选择的便利性和规律性等特点

更新粒子群算法的粒子;同时通过对无人机的可行航向进行限定

缩小搜索范围。仿真实验表明:基于粒子群优化算法的无人机航路规划不仅缩短了最优航路

而且提高了搜索速度。

Abstract

Aiming at unmanned aerial vehicle（ UAV） route planning problem of particle swarm optimization（ PSO） algorithm

introduce inertia weight and natural selection to optimize PSO

in order to improve convergence speed of basic PSO

prevent fall into part optimum. Algorithm analyze on influence of inertia weight on PSO algorithm

and then adjust inertial factor

improve search ability of algorithm; Using characteristics of convenience and regularity of natural selection update particle of PSO; At the same time through limiting practical course of UAV

narrow search range. Simulation results show that

UAV route planning based on optimized PSO algorithm not only reduces the optimal route

but also improve search speed.

关键词

Keywords

references

多无人机飞行路径自动规划算法研究 [J]. 马传焱. 无线电工程 . 2015(02)

基于改进粒子群算法的无人机三维航迹规划 [J]. 张仁鹏,杨金孝,潘佳华,黄晓东. 计算机仿真 . 2014(03)

改进粒子群优化算法在TDOA定位中的应用 [J]. 翟彦蓉,黄欢,张申,马秀萍,刘伟,游春霞. 传感器与微系统 . 2013(04)

基于改进蚁群算法的移动机器人路径规划 [J]. 潘杰,王雪松,程玉虎. 中国矿业大学学报 . 2012(01)

采用威胁启发粒子群算法的无人机航路规划 [J]. 李猛,王道波,柏婷婷,盛守照. 电光与控制 . 2011(12)

基于改进遗传蚁群算法的无人机航路规划 [J]. 姚永杰,席庆彪,刘慧霞. 计算机仿真 . 2011(06)

惯性权重粒子群算法模型收敛性分析及参数选择 [J]. 孙湘,周大为,张希望. 计算机工程与设计 . 2010(18)

基于人工蜂群算法的无人机航迹规划研究 [J]. 胡中华,赵敏. 传感器与微系统 . 2010(03)

无人机三维航路规划技术研究及发展趋势 [J]. 胡中华,赵敏,姚敏. 计测技术 . 2009(06)

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究 [J]. 苏菲,彭辉,沈林成. 兵工学报 . 2009(11)

采用粒子群优化算法规划无人机侦察航路 [J]. 杨遵,雷虎民. 电光与控制 . 2007(02)

基于改进A * 算法的无人机航路规划方法研究 [J]. 穆中林,鲁艺,任波,张斌. 弹箭与制导学报 . 2007(01)

基于粒子群寻优的D-S算法 [J]. 王波,王灿林,梁国强. 传感器与微系统 . 2007(01)

无人作战飞机航路规划研究 [D]. 田伟. 西北工业大学 2007

浏览量

807

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于IPSO算法优化SVM的睡眠分期模型

基于PSO-BP神经网络的角接触球轴承凸出量预测

适用于智能配电网WSNs能耗的分簇路由算法

单站卫星外辐射源无源雷达布站方法研究

神经网络加速PSO算法的超材料吸波体设计