基于改进粒子群算法的飞行器冲突解脱方法,本论文为免费优秀的关于解脱论文范文资料，可用于相关论文写作参考。
解脱论文参考文献：
摘 要：冲突解脱要求飞行器采用一种有效的方法来满足工作环境的限制.针对飞行器在多障碍环境下的冲突解脱问题,提出一种能够满足限制条件的改进粒子群算法（PSO）对冲突进行解脱.所提出的新算法（DARPSO）相对于经典粒子群算法有2个优点：第一,考虑了障碍对寻优过程的影响；第二,具有跳出局部极小的能力.仿真实验结果显示,所提出算法的优化效果要优于标准粒子群算法.将改进后的算法应用到飞行器冲突解脱过程中并进行仿真,结果表明,所提出的算法能够有效地指导飞行器躲避障碍,完成冲突解脱.
关键词：算法理论；飞行器；冲突探测；冲突解脱；粒子群算法
中图分类号：TP273； V19文献标志码：A
Abstract：Conflict resolution requires the aircraft to adopt an effective method to meet the constraints of the working space. Aiming at the problem of conflict resolution in multi obstacle environment, a novelty algorithm based on particle swarm optimization （PSO） is proposed for conflict resolution which meets the mentioned constrains. The proposed DARPSO is similar to PSO with two modifications： firstly, it takes into account the obstacle oidance； secondly, it has a mechani to escape from local optima. Various experimental results obtained in simulations show that the proposed DARPSO is much more superior than PSO. The DARPSO is applied to the process of conflict resolution of aircrafts, and it is simulated. The simulation results show that the proposed algorithm can oid the obstacles and complete conflict resolution effectively.
Keywords：algorithm theories； aircraft； conflict detection； conflict resolution； particle swarm optimization
近年来,空中交通领域迅速发展,美国、日本等相继设立相关组织来适应新的空中交通发展[1].空中交通管理中的一个安全问题就是飞机的冲突探测和解脱.由于飞机轨迹预测的准确性受到一些不确定因素的影响,比如雷达、导弹、气候等,所以,在冲突探测和解脱的过程中考虑障碍物等不确定因素的影响具有重要的意义[23].
粒子群算法是基于种群优化的方法[47],河北科技大学学报2016年第5期甄然,等：基于改进粒子群算法的飞行器冲突解脱方法研究本文在粒子群算法的基础上,提出一种新的粒子群算法来满足冲突解脱过程中的限制条件,同时保持粒子间的多样性及跳出局部极小值的能力.
1粒子群算法及拓展
粒子群算法包含了多个粒子,每个粒子的状态都是由自己的位置向量xti和速度向量Vti共同决定,其中i表示粒子的个数,t表示当前迭代的代数.粒子的速度和位置更新公式如式（1）和式（2）所示：
对比第1部分提到的算法,所提出的算法有2个优点,分别是考虑了在真实环境中的障碍躲避和增强了算法跳出局部极小的能力.其中惯性权重的取值与所提到的“进化速度因素”和“聚集度因素”2个因素有关.这种改进在飞行器冲突解脱领域是前所未有的.这些改变,不仅使算法没有陷入局部极值的情况,而且提高了粒子的搜索速度.这种方法非常迅速,因为在粒子工作的过程中都会对粒子群体每次迭代的状态进行检查.所提出的方法充分考虑了对粒子的限制,并针对粒子对目标进行搜索的问题提出了新的约束条件.许多学者也针对目标搜索问题介绍过一些约束[18],本文中采用的约束条件为“粒子更新速度必须小于最大更新速度”和“考虑躲避障碍函数的计算”,这些约束条件能够帮助粒子完成指定的动作.本文在考虑躲避真实环境障碍的基础上,通过定义最大速度来解决早期的约束.事实上,这个最大值也用来作为公式（7）的最大边界.由于DARPSO在更新粒子位置时只需要进行简单的计算,所以上述2个约束条件也得到了解决.此外,在定义最大迭代次数上限的同时考虑了真实环境中飞行器的能源限制.
2.1进化速度和聚集度
粒子的进化速度定义如式（9）所示：
式中U,L是yti的最大值和最小值,其值分别为2和0.5.max itr是最大迭代次数.参数yti使最佳粒子拥有更好的执行能力.事实上,最佳粒子的速度很慢,因为它的位置通常是靠近“自身最优”和“全局最优”（或者三者是同一点）,这就导致式（7）的c2r2（gbti-xti）和c3r3（pti-xti）的值为0,所以最佳粒子的运动速度很慢.通过引入参数yti,惯性权重对最优粒子的影响增大,同时会使这个粒子扩大自身的搜寻范围,因此粒子搜寻到最优解的概率也增大.全局最优值的更新代表着最佳粒子的搜索工作取得了进展,虽然其他粒子在靠近最佳粒子的速度在减小,但是探索效率在增加（因为粒子不进行重复搜索）.当粒子种群数量很小的时候,最佳粒子搜寻速度变慢就会具有更加重要的意义.这种情况下,yti产生的影响会变得更显著,能够帮助DARPSO扩大探索区域,增大了搜索的成功率,同时,yti在每次迭代过后都会递减,这些特点能够解决目标超调的问题.
结论：大学硕士与本科解脱毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写解脱方面论文范文。
改进协同粒子群算法求解流水车间调度问题
摘 要：针对协同粒子群算法容易早熟和停滞的问题，提出了一种基于精英综合学习的协同粒子群（ECLCPSO）算法。该算法在协同粒子群算法的基础上，采。
基于粒子群算法汽车租赁短期车辆配置问题
摘要：合理的车辆配置与调度是租车公司运营管理考虑的主要问题之一，也是提高租车公司的租车率和收益的有效途径。针对目前我国租车公司普遍缺乏历史数据、。
求解旅行商问题一种改进粒子群算法
摘要：本文研究了求解旅行商问题的粒子群算法。针对标准粒子群算法在求解旅行商问题过程中容易出现早熟和停滞现象的缺点，提出了一种改进的粒子群算法。首。
改进蚁群算法在全终端网络可靠性优化问题上的应用
摘要：本文着重解决全终端网络成本优化问题，以达到最佳的寻优效果和寻优速度，基于泰国学者KanyapatWatcharasitthiwat在解决网。