基于DQN的三维无人机避障航迹规划

研究了一种改进蚁群算法在无人驾驶飞行器三维航迹规划中的应用。针对基本蚁群算法容易过早陷入局部最优以及过早陷入迭代停滞的缺陷,新提出了一种信息素挥发系数的随机自适应调节方法;借助最小威胁曲面这个概念,将最小威胁曲面向水平面投影,使三维航迹规划转换为二维航迹规划;并借助动态窗口这个概念,在三维离线航迹的基础上进行航迹局部重规划;最后给出仿真验证。仿真结果表明:改进蚁群算法在解的优越性和算法的快速性上都全面优于基本蚁群算法,并且改进的蚁群算法在三维航迹重规划上有很强的适应性。

matlab2018b函数代码

针对现有航迹规划算法缺乏同时具备快速性和最优性的问题，本文提出了一种新的无人机航迹规划算法，在快速扩展随机树算法基础上，引入一个方向参数，并采用 Dijkstra 算法对改进算法产生的冗余节点进行处理，得到了一条优化的航迹。最后采用 K 航迹法进行航迹平滑处理，使得规划的航迹成为无人机的可飞航路。仿真结果表明，该算法能够在有效提高航迹产生速度的同时，可以得到近似最优的航迹。

基于改进稀疏A*算法的三维航迹规划方法，张俊峰，周成平，无人飞行器的飞行空间广大，规划环境多种多样，针对带有方向约束的海对陆规划环境，本文提出了一种改进的稀疏A*算法用于该环境下�

狼群算法求解无人机航迹规划问题

多约束条件下的飞行器航迹规划算法.docx

提出了一种基于粒子群算法的战斗机空地攻击航迹规划模型，针对传统算法收敛精度低的问题，基于算法参数和迭代公式做了改进。通过构造战斗机作战攻击中面对敌防空火力、地形等威胁要素和战斗机技战术性能等各种约束条件，设计了一种适用于战斗机航迹性能评价函数作为粒子群的适应度函数，用VC++．NET进行算法仿真并将最优航迹在MATLAB中显示。仿真结果表明：改进后的粒子群算法规划出的最优航迹能较好地实现威胁规避，较传统算法收敛精度高，运算速度快，满足了战斗机机动性能约束和航程较短要求，且规划的效率和精度较高。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

为了解决传统PRM算法在处理窄通道问题时的缺陷，提出了一种改进的PRM算法。通过在规划环境中引入人工势场，对落在威胁体内的点施加势场力，使之移动到自由空间内，从而增加窄通道内的节点数量，在不增加采样次数的情况下完成路线图的构建。仿真结果表明，改进PRM算法提高了采样点的利用率，缩短了存在窄通道环境中的路径构建时间，在突发威胁时能快速完成路径生成。