2025年4月7日
星期一
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
于亚翔
作品数:
1
被引量:4
H指数:1
供职机构:
北京航空航天大学自动化科学与电气工程学院
更多>>
发文基金:
中国航空科学基金
北京市科技新星计划
国家自然科学基金
更多>>
相关领域:
航空宇航科学技术
更多>>
合作作者
马冠军
北京航空航天大学自动化科学与电...
刘森琪
北京航空航天大学自动化科学与电...
段海滨
北京航空航天大学自动化科学与电...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
航空宇航科学...
主题
1篇
信息素
1篇
蚁群
1篇
蚁群优化
1篇
自适
1篇
自适应
1篇
作战飞机
1篇
无人作战
1篇
无人作战飞机
1篇
航路规划
1篇
飞机
1篇
MAX-MI...
机构
1篇
北京航空航天...
作者
1篇
段海滨
1篇
刘森琪
1篇
马冠军
1篇
于亚翔
传媒
1篇
航空学报
年份
1篇
2008
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划
被引量:4
2008年
为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。
马冠军
段海滨
刘森琪
于亚翔
关键词:
自适应
蚁群优化
无人作战飞机
航路规划
信息素
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张