Page 223 - 当代控制理论及应用技术概论

第五章 量子控制研究

多个最小值搜索路径不能保证最优。针对以上问题，有文献提出区域性变步长搜
索，限制机载雷达探测范围的最大搜索步长并且应对突发天气威胁。同时，该算
法分别从不同方向确认搜索节点，将搜索方向扩展为三维空间。该改进算法规划
时间短、规划步长少、规划效率高。有文献主要研究针对二维平面内存在多类型
障碍物如何在航迹最小的情况下准确避障问题，其算法主要是不断寻找最小总代

价值的路径直到最后不经过任何障碍物到达终点。该算法可以有效应对多类型障
碍物避障，但是不存在实时航迹规划手段应对突发威胁。
2. 现代智能航迹规划算法

蚁群算法是一种模仿蚂蚁觅食的智能优化算法，最初用于求解旅行商问题。
其思想是蚂蚁在行走时会释放一种叫做“信息素”的物质来标记自己走过的路径，
最开始没有信息素蚂蚁会随机寻找食物。随着时间的推移，单位时间内短路径上
的信息素最多，虽然一段时间后信息素会挥发一部分，但后面蚂蚁还是可以通过
剩余的信息素寻找食物。蚁群算法利用信息素来寻找最优路径，采用正反馈机制

可以使搜索过程不断逼近最优解。但蚁群算法随机选择新节点收敛速度慢；如果
算法最初获得问题的解为次优解，正反馈机制会便得算法陷入局部最优解。针对
以上问题，有文献采用二维环境和高度规划相结合形成三维环境对无人机路径进

行规划。同时，采用几何优化算法消除了传统蚁群算法押索随机性导致最后结果
并非最优解问题：根据二维环境航迹点与威胁源之间距离调整无人机高度面对不
同地形环境；此外，采用指标函数和自适应参数分别解决了航迹不平滑和容易陷
入局部最优问题。但该算法存在个别个体迷失现象需要进一步研究。
遗传算法是受达尔文进化论和孟德尔遗传学说的启发诞生的一种启发式搜

索算法。其思想借鉴了生物进化过程，根据染色体对应个体适应度越高越容易被
选择的原则，从整个种群中选择一个父方一个母方，对父方和母方抽取染色体交
叉产生的后代染色体进行变异，然后按照之前步骤选择新的父方和母方并对新产

生的子代染色体进行变异，直到产生新的种群。遗传算法基于概率原则，搜索更
加灵活，易得出全局最优解，但收敛速度慢，算法效率低，容易过早收敛。针对
以上问题，根据航迹规划起始点和目标点构建极坐标系，并将规划空间和路径搜
索算法相结合对地形曲面进行安全性分析，将复杂三维规划空间简化，同时设计
了航迹代价函数，提高了算法效率，解决了多约束条件下无人机航迹规划问题。

构建农田模型进行实验，提出了混合无重串选择算子、非对称映射交叉、启发式

215
215