| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 课题研究背景与意义 | 第7-9页 |
| 1.2 国内外研究现状及分析 | 第9-15页 |
| 1.2.1 无人机系统概述 | 第9-11页 |
| 1.2.2 无人机航迹规划研究现状 | 第11-14页 |
| 1.2.3 群体智能算法研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第2章 航迹规划数学模型建立 | 第17-28页 |
| 2.1 数字地图模型建立 | 第17-19页 |
| 2.1.1 栅格法划分二维空间 | 第18-19页 |
| 2.1.2 栅格法划分三维空间 | 第19页 |
| 2.2 无人机机动性能约束 | 第19-21页 |
| 2.2.1 最大航程约束 | 第19-20页 |
| 2.2.2 最大攻角约束 | 第20页 |
| 2.2.3 最小转弯半径约束 | 第20-21页 |
| 2.2.4 最小飞行步长约束 | 第21页 |
| 2.3 威胁约束建模 | 第21-24页 |
| 2.3.1 导弹威胁约束 | 第21-22页 |
| 2.3.2 高炮威胁约束 | 第22-23页 |
| 2.3.3 地形威胁约束 | 第23页 |
| 2.3.4 大气环境威胁约束 | 第23-24页 |
| 2.4 综合代价评估模型建模 | 第24-27页 |
| 2.4.1 航迹耗油代价 | 第25页 |
| 2.4.2 导弹阵地威胁代价 | 第25-26页 |
| 2.4.3 高炮威胁代价 | 第26页 |
| 2.4.4 大气环境威胁代价 | 第26-27页 |
| 2.4.5 地形威胁代价 | 第27页 |
| 2.4.6 高度威胁代价 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 群体智能航迹规划算法研究 | 第28-44页 |
| 3.1 蚁群算法 | 第28-33页 |
| 3.1.1 算法原理 | 第29-31页 |
| 3.1.2 算法基本流程 | 第31-32页 |
| 3.1.3 算法分析 | 第32-33页 |
| 3.2 蚁群算法的改进算法 | 第33-37页 |
| 3.2.1 引导因子设计 | 第34页 |
| 3.2.2 随机子群设计 | 第34-36页 |
| 3.2.3 改进后算法流程图 | 第36-37页 |
| 3.3 粒子群算法 | 第37-43页 |
| 3.3.1 算法原理 | 第38-39页 |
| 3.3.2 算法分析 | 第39-41页 |
| 3.3.3 算法基本流程 | 第41-42页 |
| 3.3.4 航迹规划编码方式 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 遗传粒子群混合算法 | 第44-54页 |
| 4.1 遗传算法简述 | 第44-45页 |
| 4.2 遗传算法基本流程 | 第45-46页 |
| 4.3 遗传算法和粒子群算法比较 | 第46-48页 |
| 4.4 遗传粒子群混合算法 | 第48-51页 |
| 4.5 改进算法的初步验证 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 群体智能算法航迹规划仿真分析 | 第54-59页 |
| 5.1 仿真实验环境和条件 | 第54页 |
| 5.2 基于改进蚁群算法的无人机航迹规划仿真 | 第54-56页 |
| 5.3 基于遗传粒子群混合算法的无人机航迹规划仿真 | 第56-57页 |
| 5.4 仿真结果对比和分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |