<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《控制与决策》编辑部 -->无人机智能协同与路径规划技术专栏]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向目标实时稳定跟踪的无人机主动观测轨迹规划]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1161]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在无人机目标跟踪任务中, 实时规划一条安全、有效且具有高度目标可见性的轨迹, 是实现目标稳定跟踪的关键. 为保证无人机在复杂未知环境下实现目标稳定跟踪, 提出一种无人机主动观测轨迹规划方法. 首先, 使用预测模型获得一系列离散的未来目标轨迹点; 其次, 根据当前环境地图信息, 在每个目标轨迹点周围生成可视区域和初始视点, 并设计一系列代价函数对视点进行优化; 最后, 结合每个目标轨迹点的最优视点位置约束对无人机跟踪轨迹进行优化. 仿真结果表明, 所提出方法能够在各种复杂环境中完成目标实时稳定跟踪任务, 较好地解决了现有方法存在的目标被遮挡问题.]]></description>
<pubDate>2025/10/14 15:03:02</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[王子玉，张世勇，董千里，奚浩博，张雪波]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1161]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向多目标侦察的多无人机分层任务规划方法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1006]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在多无人机多目标的森林火灾救援侦察场景下, 针对任务规划问题复杂度高、任务规划速度与任务执行效率难以平衡的问题, 提出一种面向多目标侦察的多无人机分层任务规划方法. 该方法对任务规划问题进行适当解耦以降低复杂度, 将任务规划分为航迹规划、任务目标分配和任务序列规划3部分. 首先, 提出基于状态空间采样规划和Dubins曲线的航迹规划算法, 考虑无人机动力学约束, 为后续步骤构造任务节点连通图, 生成可行航迹集; 然后, 在任务目标分配阶段进行谱空间转换, 基于目标群划分的非线性特性, 通过谱聚类实现快速目标分配; 最后, 提出结合分支定界法和模拟退火算法的混合优化算法实现任务序列规划, 结合可行航迹集生成任务执行航迹. 所提出方法针对任务规划问题设计解耦算法, 能够快速地规划出较好结果. 与其他任务规划方法进行仿真对比实验, 实验结果表明所提出方法任务规划结果航迹长度更短、规划耗时和任务耗时更少, 且航迹满足动力学和禁飞区约束.]]></description>
<pubDate>2025/10/14 15:03:02</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[赵得霖，寿莹鑫，陈蓓，刘畅，赖锐，许斌]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1006]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进蚁群算法的无人机通信侦察航迹规划]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0063]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对经典蚁群算法在无人机三维航迹规划过程中全局搜索能力不足、易陷入局部最优等问题, 提出一种多重搜索策略引导的蚁群优化算法. 首先, 结合改进的人工势场法, 创建引导区增强初始化信息素分布策略, 为蚁群的整个寻优过程提供区域性参考, 提升蚁群全局搜索能力; 其次, 依靠多重邻域惯性搜索策略和新的信息素计算方法, 实现蚁群寻优步长的动态扩展, 减少路径转折点数量及路径节点数量, 增强最优路径的均衡性和平滑性; 然后, 通过启发函数优化策略在蚁群寻优各个阶段实现动态调整启发信息调整因子, 改善算法自学习能力, 提升适应性和收敛效率. 实验中通过测试函数横向对比和复杂三维任务场景纵向应用, 多重搜索策略引导的蚁群优化算法在新的目标函数中相较于经典蚁群算法无人机航迹规划能力获得了提升.]]></description>
<pubDate>2025/10/14 15:03:03</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[肖鹏，田润澜，李赫，张司明]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0063]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[无人机监控巡检路径规划及ACO-AVNS求解算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1459]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无人机作为一种新兴的数据采集工具, 正在治安巡逻、森林防火和设施检查等监控巡检领域迅速普及. 针对此类问题, 提出一个混合整数规划模型, 通过将监控资源的分配类比为库存管理问题, 量化因过度频繁地监控而产生的成本, 以优化资源分配. 所提出模型考虑无人机的续航限制以及监控需求拆分机制, 综合优化巡检点的分配、无人机的服务路径以及每条路径的巡检周期, 以最小化系统的总运营成本. 为求解该模型, 提出一种基于蚁群优化算法(ACO)和自适应变邻域搜索(AVNS)的混合启发式算法. 在算法的每次迭代中, 首先由ACO构建初始解, 然后基于AVNS的6种邻域结构持续优化解的质量. 在23个小规模实例中, 该算法均可获得与求解器质量相当的解. 对于采集自长沙市的121节点大规模实例, 求解器在10 h内无法找到任何可行解, 而所提出算法在较短时间内可得出质量较高的解决方案, 并通过消融实验验证了所提出算法的有效性和良好的求解稳定性.]]></description>
<pubDate>2025/10/14 15:03:03</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[陈群，孙乐天，余帆]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1459]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[检测-聚类两阶段反无人机集群打击策略研究]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0372]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统反无人机集群方法仅聚焦于检测或打击的单阶段研究, 以及目标检测漏检、打击点覆盖不足的问题, 提出检测-聚类两阶段反无人机集群打击策略. 检测阶段输出的高置信度时空坐标为聚类分析提供可靠输入, 聚类阶段生成聚类中心作为关键打击点, 形成精准检测-聚类打击的闭环协同机制. 首先, 检测阶段改进YOLOv8算法, 针对无人机集群小目标、密集分布特性, 在检测头部分引入多尺度卷积注意力设计, 融合Backbone网络提取的多尺度特征以提高检测精度, 验证集测试检测精度mAP50达95.77%, mAP50-95达59.66%, 较原始模型分别提升1.2%和2.4%; 其次, 聚类阶段提出改进的快速模糊$ C $均值(AFCM)聚类算法, 利用中心筛选以及动态隶属度削减策略将收敛效率较传统FCM提升55%; 最后, 在自建多场景无人机集群数据集测试, 帧率30 fps时, 检测-聚类全流程耗时低于2 ms, 验证了所提出的两阶段反无人机集群策略以及算法的有效性.]]></description>
<pubDate>2025/10/14 15:03:03</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[唐杰，张鹏年，周鑫，王秉坤，樊浡昊，马捷]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0372]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于域随机化增强EfficientZero的无人机空战智能决策]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1443]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无人机智能空战是改变未来战争形式的颠覆性技术, 而深度强化学习是实现空战智能决策的重要技术范式. 虽然相关研究近年来取得了巨大进展, 但基于虚拟仿真交互设计的强化学习空战决策模型仍然存在学习效率低、泛化性能差的问题, 难以有效地实现在现实差异条件下的虚实迁移应用. 为增强空战智能决策模型从虚拟仿真环境到真实物理空间的适用性, 提出一种基于域随机化增强EfficientZero算法的近距空战机动智能决策模型设计方法. 该方法通过高效利用自我博弈产生的环境交互数据来习得智能决策能力, 并进一步采用域随机化技术提高模型的鲁棒性能. 仿真实验结果表明, 基于EfficientZero算法得到的智能决策模型可以高效地利用空战对抗样本数据, 避免自我博弈中常见的策略循环问题; 同时, 域随机化增强技术显著提升了强化学习空战智能决策模型的泛化性能, 有效增强了现实差异条件下决策模型的鲁棒性.]]></description>
<pubDate>2025/10/14 15:03:03</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[倪浩，章胜，刘福炜，黄亚军，黄江涛，宋井宽]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2024-1443]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[模因算法求解同时取送货车辆-无人机协同路径优化问题]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0347]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对多访问同时取送货车辆-无人机协同路径优化问题(MV-VDCRP-PD), 考虑无人机单次飞行可访问多个客户、客户时间窗、同时送取货以及车辆速度受路网影响等约束, 以最小化配送成本为目标, 建立MV-VDCRP-PD数学模型. 为有效求解该问题, 提出一种基于遗传算法与自适应大邻域搜索算法的模因算法(MA). 在MA中, 一个个体编码为包含一个客户序列和一个客户访问模式序列; 定义惩罚函数以判定个体是否违反问题约束, 提出修正方法以保证解的可行性; 为实现算法在解空间的大范围搜索, 设计基于客户点的交叉算子以生成新个体; 同时, 基于问题特征设计4种破坏算子和4种修复算子以寻找更高质量个体; 此外, 采用种群更新策略保证种群的质量和可行解的占比. 最后, 在不同规模算例上进行仿真和对比实验以验证所提出MA的有效性.]]></description>
<pubDate>2025/10/14 15:03:03</pubDate>
<category><![CDATA[无人机智能协同与路径规划技术专栏]]></category>
<author><![CDATA[王俊皓，李晓玲，段浩浩，张广辉，陈洋]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0347]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>