无人机航迹规划的人工智能算法研究ppt

蚂蚁在觅食时，总能找到一条从食物到巢穴之间的最 优路径。这是因为蚂蚁在寻找路径时会在路径上释放出 一种特殊的信息素。开始时蚂蚁觅食所选路线较为随机， 但由于释放的激索的挥发，越短的路径激素浓度越高， 概率就会相对较大，最终整个蚁群会找出最优路径。
➢
TSP（旅行商）问题
➢
遗传算法是模拟达尔文生物进化论的自然选择和遗传学 机理的计算模型。遗传算法是从代表问题可能潜在的解集 的一个种群开始的，而一个种群则由经过基因（gene）编 码的一定数目的个体组成。每个个体实际上是染色体带有 特征的实体。染色体作为遗传物质的主要载体，即多个基 因的集合，其内部表现（即基因型）是某种基因组合，它 决定了个体的形状的外部表现。
适应度函数为算法的核心。无人机ቤተ መጻሕፍቲ ባይዱ传
威
算法规避风险区域适应度函数：
胁
n
n
区
F ( x) ( A(Lmax Li ) B Di )
域
i 1
i 1
规 避
其中 Lmax 为当前群体中最长航迹
距离，Li 为第i段航路的距离，Di
为第i段航迹与全部威胁区域之间
的最短距离，A、B分别为距离、
遗 传
风险在航迹规划中所占权重；α
1、飞行总路径距离尽可能短 2、尽可能避开风险区域（敌防空火力、恶劣气 候、高山峻岭等）
人工智能算法广义上指模拟自然界生物智能解决问 题的一类计算机算法。这类算法能够根据输入数据不断 调整自身运算策略，善于在较短时间内找到NP类问题 的较优解。
常见的人工智能算法：蚁群优化算法、遗传算法、 模拟退火算法、人工神经网络等。
无人机航迹规划的人工智能算法研究
答辩人：XX
无人机航迹规划问题描述 01 蚁群算法简介 03 遗传算法简介 05
02 人工智能算法简介
蚁群算法解决无人机
04 最短路径规划 06 遗传算法规避风险区域
无人机航迹规划，是指在综合考虑无人机 能顺利完成预定任务而规划出一条从起始点起 飞，遍历多个目标点最后返回起始点且避开风 险区域的最优航迹。该航迹要求：
谢谢观看！
答辩人： 高宇航 郑 君
算
为判别是否满足最小转弯半径的
子
惩罚系数，其满足最小转弯角度
交 叉
条件时取值为1，反之为0。
“旅行商问题”（TSP问题）
“旅行商问题”（TSP问题）常被称 为是指一名推销员要拜访多个地点时， 如何找到在拜访每个地点一次后再回 到起点的最短路径。规则虽然简单， 但在地点数目增多后求解却极为复杂， 如果要列举所有路径后再确定最佳行 程，那么总路径数量之大，几乎难以 计算出来。多年来全球数学家绞尽脑 汁，试图找到一个高效的算法。