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
火力分配作为集群目标来袭防御任务规划的关键环节,对提高防御效果具有重要意义。针对高炮反无人机的火力分配问题,将高炮性能指标约束和转火时间约束转化为可拦截因子,提出一种基于可拦截因子的高炮反无人机火力分配模型,减小非线性约...火力分配作为集群目标来袭防御任务规划的关键环节,对提高防御效果具有重要意义。针对高炮反无人机的火力分配问题,将高炮性能指标约束和转火时间约束转化为可拦截因子,提出一种基于可拦截因子的高炮反无人机火力分配模型,减小非线性约束转化为惩罚函数带来的计算量及误差,进而提升整体效能。基于此模型,针对来袭目标与火力节点之间的火力优化匹配问题,采用改进混合遗传粒子群算法(Hybrid GA and PSO,HGAPSO)优化算法对模型进行最优值求解。仿真试验结果表明该模型合理有效,HGAPSO算法有较高的收敛精度和较快的收敛速率。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。
文摘火力分配作为集群目标来袭防御任务规划的关键环节,对提高防御效果具有重要意义。针对高炮反无人机的火力分配问题,将高炮性能指标约束和转火时间约束转化为可拦截因子,提出一种基于可拦截因子的高炮反无人机火力分配模型,减小非线性约束转化为惩罚函数带来的计算量及误差,进而提升整体效能。基于此模型,针对来袭目标与火力节点之间的火力优化匹配问题,采用改进混合遗传粒子群算法(Hybrid GA and PSO,HGAPSO)优化算法对模型进行最优值求解。仿真试验结果表明该模型合理有效,HGAPSO算法有较高的收敛精度和较快的收敛速率。
