基于量子蚁群算法的多无人机协同航迹规划研究

《基于量子蚁群算法的多无人机协同航迹规划研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于量子蚁群算法的多无人机协同航迹规划研究COLLABORATIVEPATHPLANNINGOFUAVSBASEDONQUANTUMANTCOLONYALGORITHM王芳哈尔滨工业大学2015年6月国内图书分类号：TP242.6学校代码：10213国际图书分类号：621.586.4密级：公开工学硕士学位论文基于量子蚁群算法的多无人机协同航迹规划研究硕士研究生：王芳导师：朴松昊教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2015年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP242.6U.D.C:621.586

2、.4DissertationfortheMasterDegreeinEngineeringCOLLABORATIVEPATHPLANNINGOFUAVSBASEDONQUANTUMANTCOLONYALGORITHMCandidate：FangWangSupervisor：Prof.SongHaoPiaoAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefen

3、ce：June,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要多无人机协同侦察和攻击是未来信息化战争中一种重要的军事行动方式，在完成多无人机协同作战任务过程中，多无人机协同航迹规划技术是战斗行动成败的一个重要因素，已经成为各军事强国研究的一个重点领域，国内外学者对其产生了强烈的兴趣。量子蚁群算法，即将蚂蚁各路径上的信息素进行量子比特编码，得到一种新的信息素—量子信息素，量子蚁群算法的实质就是在蚁群算法中融合进量子特性，相应的信息素的更新规则变为通过量子旋转门策略与最优路径相结

4、合来实现。本文采用量子蚁群算法对多无人机协同航迹规划问题进行系统的研究，主要分为两部分。第一部分，多无人机协同航迹规划系统结构研究。本文将无人机系统进行分解成三层。在航迹规划层中，先利用Voronoi图进行环境建模，将无人机连续威胁环境离散化，然后利用量子蚁群算法为每一架战斗无人机规划出多条航迹代价比较小的备选航迹。在协同规划层中，在多无人机协同作战中的受到时间和空间的协同约束下，本文定义了协同时间变量和协同函数，通过二者交叉组合，从多条备选航迹中为每架无人机确定一条最优航迹，使得整个无人机系统的航迹代价最小。在航迹平滑层中，因为得到的由Voronoi边连接而成的最优初始航迹的航迹段

5、连接处是无人机飞行不了的尖角，采用基于时间的开关最优控制法对其进行平滑处理，使其成为可飞航迹且不改变航迹长度来，保证建立的时间协同性不被破坏。第二部分，重点介绍和研究了量子蚁群算法。量子蚁群算法是量子计算和蚁群算法相结合的一种概率优化算法，因为量子计算具有并行性、存储容量指数级以及指数加速等优点，所以量子蚁群算法可以有效的克服蚁群算法中易陷入局部最优解及计算速度慢等方面的不足。为了综合考虑算法在执行过程中精确度目标和搜索效率的需求，本文运用自适应的量子旋转角调整策略来实现量子信息素更新。并通过研究发现，在解决典型的TSP问题中，量子蚁群算法通过利用量子信息素及距离信息来创建路径，使得

6、算法的收敛性得到很大的提高，从而提高了算法的性能。最后本文将量子蚁群算法运用到多无人机航迹规划中，并进行实验，与传统的蚁群算法进行比较分析，证明了量子蚁群算法的优越性。关键词：航迹规划；多无人机；Voronoi图；量子蚁群算法；航迹平滑-I-哈尔滨工业大学工学硕士学位论文AbstractCooperativereconnaissanceandattackwithUAVsisanimportantwayofmilitaryoperationinthefutureinformationwar,thetechnologyofcooperativepathplanningforUAVsisa

7、nimportantfactorforthesuccessofthecombatoperationintheprocessofthecooperativemissionofmultiUAV.Itisakeyfieldofstudyofeachmilitarypowerintheworld,anddomesticandforeignscholarshaveastronginterestinit.QuantumAntColonyAlgorithm(QACA),