训练空域动态规划问题数值模拟仿真算法研究

摘要

cqvip:对训练空域进行动态规划,有利于提高空域利用率和部队训练效率。将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案使得总占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建空域规划模型,提出遗传-离散粒子群优化算法,通过融合遗传算法中的交叉与变异思想来提高离散粒子群优化(DPSO)算法摆脱局部最优解的能力,从而提高算法的收敛速度和精度;同时为了保证种群的多样性,设计可保证个体可行性的自适应交叉算子和变异算子;利用甘特图来表示整个空域的规划过程。将提出的遗传-粒子群优化算法用于算例,并与传统粒子群优化算法进行比较,结果表明:该算法获得的结果更优且收敛速度更快。