1 海军航空大学, 山东 烟台 264000
2 中国人民解放军91776部队, 北京 100000
针对可再入跨介质无人飞行器性能特点, 提出了其作战应用场景和应用设想, 并从可再入跨介质无人飞行器对探测窗口影响、对拦截跟踪的影响、对作战资源的影响、突防效能以及战场生存能力等几个方面, 对其战场优势及作战效能进行建模分析及仿真验证。
无人飞行器 跨介质 可再入 探测窗口 作战效能 unmanned aerial vehicle cross-medium reentry detecting window operational effectiveness
针对不确定战场环境航迹规划问题进行了研究, 提出一种基于概率表示的飞行器航迹规划方法。根据威胁源的存在概率函数、位置分布概率函数和静态威胁概率函数模型, 建立不确定威胁源的威胁概率函数模型。将遗传算法运用到航迹规划中, 并进行了仿真实验, 仿真结果验证了模型及算法的有效性。
航迹规划 不确定环境 概率分布 遗传算法 flight path planning uncertain environment probabilistic distribution genetic algorithm
针对基本遗传算法(GA)易局部收敛的缺陷，设计了基于模式搜索的自学习算子，提出一种基于模式搜索的自学习遗传算法(ALGA)。通过仿真测试函数将ALGA与基本遗传算法、自适应遗传算法(AGA)进行比较，显示改进的ALGA提高了算法的综合搜索能力。将改进的ALGA运用到岸基导弹航路规划中，并进行仿真实验，仿真结果验证了改进算法的有效性。
航路规划 模式搜索 遗传算法 path planning pattern search Active Learning Genetic Algorithm (ALGA) ALGA genetic algorithm
1 军事科学院军事运筹分析研究所, 北京 100091
2 海军工程大学, 武汉 430033
执行飞行作战任务前对飞行航路进行合理规划十分重要, 而环境/威胁建模是航路规划需要解决的首要问题。根据飞行过程中可能遇到的各种威胁源的特点, 建立了山体障碍、恶劣气候及导弹、高炮固定阵地等各种静态威胁源的威胁概率函数模型, 并进一步构建了机动导弹、高炮等动态威胁源的威胁概率函数模型; 针对粒子群算法全局搜索能力强、收敛性好的特点, 将粒子群算法运用到航路规划中, 并进行了仿真实验, 仿真结果证明了模型及算法的有效性。
航路规划 威胁概率 机动威胁 粒子群算法 route planning threat probability mobile threat particle swarm optimization
1 军事科学院军事运筹分析研究所， 北京 100091
2 海军工程大学， 武汉 430033
面对复杂的作战环境，飞机执行作战任务前合理地规划出飞行航路十分重要。遗传算法因其良好的全局搜索能力而在优化问题中得到了广泛的应用。针对地形障碍、恶劣气候、导弹及高炮阵地等威胁源的特点，建立了连续的威胁概率函数模型；描述了各威胁源不同距离处的威胁概率分布情况，并进一步构建了航路规划目标函数模型；将遗传算法运用到航路规划中，设计了一种扩展航路点和规划空间、分段变步长的编码方式。对算法进行了相应的仿真，仿真结果表明，运用所设计的编码方式得到的航路有效地规避了威胁。
航路规划 威胁概率 目标函数模型 遗传算法 编码方式 route planning threat probability objective function model genetic algorithm code mode
