有引力搜索 算法，引入种选择操作方法，并利用万有引力搜索算法与选择操作方法的结合 构造个合适的算法流程，编写对应的程序进行仿真实验，通过实际实 验结果表明算法是可行的。基于万有引力搜索算法的无人机航路规划问题 第二章航路规划问题 第二章航路规划问题 航路规划问题简介 无人机执行任务之前需要对航路进行规划，根据航路形状高度气候和敌 方防空火力与雷达的部署等自动生成最优航路。如果把无人机进入敌方防御区域 的方位作为起始点，而把战役战术攻击目标所处方位定为目标点，通过对规划空 间进行网格划分形成连接起始点和目标点的网络图，则寻求优化航路问题的本质就 是路径优化问题。这种方法是种确定性状态空间搜索方法，可以减小规划空间 的规模，降低了航路规划的难度。由于无人机巡航飞行的高度在以上，地形 遮蔽不能实现因此只考虑其横侧向运动即水平航迹，即假设无人机在执行任务 过程中保持高度不变速度不变，而且考虑敌方防御区处于平坦地域，那么无人机 就无法利用地形因素进行威胁回避机动，航路规划问题就可以被简化成为个二 维航路也就是水平航路规划问题。其飞行任务是从开始飞行到目标开始和目标 之间存在威胁区，这些威胁可能是雷达对空导弹等，飞机航路规划就是搜索出 条从开始到目标既短又安全的航路。 通过对航路整体规划，需保证航路必须包括预定任务所在的区域且在同条件 下，无人机所需的代价最小。 航路规划般采取以下几个步骤 给出航路规划的任务区域，确定地形信息以及威胁源分布的状况以及无人 机的性能参数等限制条件。 二采用航路规划算性 能指标燃油性能指标和速度性能指标，通过对其他论文内容的研究，可以将性基于万有引力搜索算法的无人机航路规划问题 能指标公式表示如下 式中，代表航路的长度代表代价函数表示航路的威胁代价表示航路 的燃油代价，表示航路速度代价，系数∈，为权衡系数，如果任务重 视无人机的安全性，则选择较大的值如果任务需要无人机快速性，则选择 较小的值。在距离雷达远时，取较小的值，无人机速度较慢在距雷达近时， 取较大的值，无人机速度较快。 航路威胁代价 航路威胁代价，即无人机躲避雷达搜索所需代价。无人机在设计过，操作人员可以直接在数字地图上进行航路的规划，能够实时 便捷地得到数字地图中任意点的多种信息，航路规划系统还能够实时地跟踪无人机， 显示出无人机的航迹。以图形方式显示规划信息并提供良好交互手段的航路规划系统 可以有效地提高规划效率。但即使这样，要交互完成满足众多约束条件的单条航路的工 作量也极大。因此，在规划环境确定后，能有效完成规划要求并将生成的航路提交给规 划人员的自动航路算法是无人机航路规划系统的重要组成部分。 航路规划是以实现地形跟随地形回避和威胁回避飞行为目的的新代低空 突防技术，无人机航路规划是任务规划系统的关键组成部分，其目标是在适当的 时间内为无人机计算出最优的或者是次优的飞行航路，这个航路能使无人机突破 敌方威胁环境，并且在完成任务目标的同时自我生存。其本质是多目标多约束的 最优化问题。 航路规划算法是航路规划的灵魂。由于无人机是无驾驶人员的自主控制飞行， 无人机在起飞之后就处于自由飞行状态，飞行的状态要由无人机自己控制，所以 航路规划算法就像无人机的大脑，要求算法具有定的智能水平，因此国内外的第章绪论 科研人员在规划算法方面进行了深入研究并取得了很好的成果。 航路规划时需要考虑地形数据威胁信息耗油时间约束等，并根据这些约 束进行建模。 万有引力搜索算法的研究现状 万有引力搜索算法，简称是由伊朗的克曼 大学教授等人于年提出的种源于对物理学中的万有引力 进行模拟的新的优化搜索技术，与粒子群算法，简称 相似，是种元启发式算法。它通过群体中各粒子之间的万有引力相互作用产 生的群体智能指导优化搜索。现有研究证明，的收敛性明显优于粒子群优化 遗传算法，简称等其他仿生智能优化算法。 常用的无人机航路规划算法有可行性方向算法算法遗传算法蚁群算 法人工蜂群算法等。各种算法各有其缺点，本文提出选择操作 这里采