在本文中，提出了改进的启发式和进化方法，用于战术导弹的发射前轨迹优化。计算时间和弹道长度作为目标最小化，而导弹的机动性、燃料总量、障碍物、禁飞区、岛屿、海岸线被认为是约束条件。为此，开发了两种主要方法。一种方法基于基于自适应的 A∗ 算法的启发式搜索。该方法通过构建一个网络来获得次优路径，其中节点距离（腿长）和节点强度可以在搜索时间内随任务环境自适应地改变。传统 A∗ 方法的这种增强功能可以在更少的计算负载下实现更接近的最优轨迹，尤其是在复杂的任务场景中，例如海岸线通道狭窄、意外目标或朋友太多等。另一种提出的路径规划方法是改进的遗传算法。该算法具有可变长度的染色体和实值编码，以及仅产生可行个体的智能种群创建方法。通过从可行总体开始，可以观察到收敛时间远小于使用随机创建初始总体。此外，为了在不同环境中快速分析和比较两种提出的方法，开发了一个通用的图形用户界面 （MPT-The Mission Planning Tool）。
其中只有 4 个被选中。然而，据观察，路径#3被消除，因为它与路径重合
#1在最后一条路线段接近目标时，在空间和时间上都是如此。饱和攻击发起方案在图 6 中显示了导弹连续发射之间的时间。据称，沿着最短路径最晚发射，而具有最长轨迹的路径首先发射，顺序是所有导弹同时命中目标。这两种情况。此外，总收敛这两种情况的时间都相当短考虑结果 LO 的数量和准确性CAL 最佳路径。因此，这确保了任务规划系统中提出的算法。
路径规划是多枚导弹打击的关键部分，以提高目标的捕获和杀死概率。重要pects 是为了确保达到目标同时沿着彼此和谐的不同路线行驶。MPP 算法中的主要问题是它们的高计算时间以及它们需要无限量的内存来收敛次优解决方案。算法的收敛时间随着所需路径数量的增加而呈指数增长。为了提高 GA 的速度，本文描述了一种改进的 MPGA，用于一组合作导弹。这种改进的技术包括一个 novel 方法 （FPCM） 创建可行的初始population 的 Population 的 API 中，这也大大减少了聚类时间。最终解决方案中备选路由的数量通过使用内部和物种间交叉例程来增加。此外，算法的灵活性也得到了加强通过引入可变的突变发生率。所提出的方法使用多枚导弹进行模拟，以同时到达目标。根据结果，该算法令人满意地实现了找到从不同的接近角使目标饱和。尽管最终路径的精确性由提议的多路径规划算法相当高;MPGA 的收敛速度保持相对较快
考虑到以前的研究。因此，它既适用于关键任务（高精度）又适用于时间关键型战术导弹的路径规划应用在障碍丰富的复杂海军区。这项工作是由导弹的自主离线多路径规划驱动，但适用于任何二维路径涉及障碍的规划问题。由于提出的多路径规划器的范围仅包括水平面上的二维转弯，因此不考虑俯仰上/下机动。但是，添加第三个垂直维度以进行攀爬很重要约束，这可能是本研究的未来研究。
饱和攻击是一种至关重要的军事战术，可在复杂的战区中压倒敌方。该战术依赖于路由更多数量的导弹，这些导弹同时瞄准目标，以提高目标被捕获的可能性。根据海军区域协同攻击的概念，我们提出了一种离线多路径规划方法，以准确高效的方式生成协作和任务适应性的路线。该算法利用进化物种形成在障碍物丰富的环境中寻找次优路径，同时考虑导弹的物理限制。这种多群体遗传算法具有可变长度的染色体和一种新颖的种群创建方法，可在相当短的时间内生成多样化的可行路径。从可行路径开始，聚类的计算负载也大大减少。通过增强的物种间交叉机制，如果初始种群中缺少路线，则可以在下一代中产生新物种。仿真在二维复杂场景中进行，结果表明，所提出的方法能够在极短的时间内同时规划多条路径，同时保持最优性。
路径规划算法中的主要问题是它们的高计算时间及其无限量的需求memory 来收敛次优解。为了提升算法速度，两种不同的路径已经为该任务提出了规划技术基于 A 的战术导弹规划*搜索和遗传算法。在仿真结果中，观察到通过添加 Adaptive 显著缩短了收敛时间接近传统 A*方法，并通过添加智能种群创建技术与传统 GA而不会降低解决方案的准确性。我们俩首选技术在以下方面有一些优点和缺点彼此。在对这两种算法进行比较之后;是的表明，尽管基于自适应的 A*算法优于改进的遗传算法 IT FALL在 Optimal Degree 的遗传算法后面。因此，自适应一个*算法似乎更方便将关键“路径规划问题，尤其是在紧急情况下动态环境中需要的任务计划。在相反，改进的 GA 可以有效地应用于“高精度”和“关键任务”路径规划问题在预发布阶段。尽管目前的研究集中在单一任务上仅规划，A*GA 可以扩展为坐标多个代理执行路径规划任务合作。算法可以离线并行运行，并且相互沟通 优化合作导弹以及每个导弹任务。多元研究路径规划仍在继续，应用所提出的方法将在后续论文中报告。
用多枚导弹齐射攻击水面目标是提高杀伤力和渗透防御系统的有效战术。然而，现有的中程或末端航程协同制导法并不适用于远程和中程导弹或对峙攻击。因为如果没有适当的中途飞行调整，通常由中途飞行产生的合作终端引导的初始条件可能无法导致成功的合作终端引导。同时，中途协同制导并不能仅保证多枚导弹同时到达的准确性。
提供了一种基于 Voronoi 图的算法，用于计算在存在简单不相交多边形障碍物的情况下源和目的地之间的最佳路径。我们根据障碍物的间隙、总长度和平滑度来评估路径的质量。我们提供了 Voronoi 图维护和动态更新的算法的详细说明。实验结果表明，该方法相对于其他路径规划算法具有优异的性能。
作者：卡加泰·塔尼尔 亚马逊 Prime Air
