针对复杂城市环境下无人机目标打击问题,引入一种基于电鳗觅食优化算法的无人机目标打击方法。该方法首先设置稀疏环境无敌防守和密集环境有敌防守2种场景并设计相应的约束条件和航迹优化代价函数以符合城市环境飞行需求,然后通过电鳗...针对复杂城市环境下无人机目标打击问题,引入一种基于电鳗觅食优化算法的无人机目标打击方法。该方法首先设置稀疏环境无敌防守和密集环境有敌防守2种场景并设计相应的约束条件和航迹优化代价函数以符合城市环境飞行需求,然后通过电鳗觅食优化算法(electric eel foraging optimization,EEFO)为无人机规划出一条合理的目标打击轨迹,最后得到其飞行轨迹和适应度值,并与SO,SCA,WOA,MFO,HHO 5种算法进行对比。实验结果表明,在稀疏环境无敌防守场景下EEFO算法比其他五种算法具有更高的轨迹规划效率和稳定性,消耗的航迹代价最小且收敛更快;在密集环境有敌防守场景下EEFO算法与其他5种算法相比,所规划出的目标打击轨迹最优且消耗的航迹代价收敛趋势更好,任务完成度最高,具有更好的表现。展开更多
文摘针对复杂城市环境下无人机目标打击问题,引入一种基于电鳗觅食优化算法的无人机目标打击方法。该方法首先设置稀疏环境无敌防守和密集环境有敌防守2种场景并设计相应的约束条件和航迹优化代价函数以符合城市环境飞行需求,然后通过电鳗觅食优化算法(electric eel foraging optimization,EEFO)为无人机规划出一条合理的目标打击轨迹,最后得到其飞行轨迹和适应度值,并与SO,SCA,WOA,MFO,HHO 5种算法进行对比。实验结果表明,在稀疏环境无敌防守场景下EEFO算法比其他五种算法具有更高的轨迹规划效率和稳定性,消耗的航迹代价最小且收敛更快;在密集环境有敌防守场景下EEFO算法与其他5种算法相比,所规划出的目标打击轨迹最优且消耗的航迹代价收敛趋势更好,任务完成度最高,具有更好的表现。
