航迹和飞行计划相关算法的改进

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (25): 228-230.

航迹和飞行计划相关算法的改进

陈宇寒1，2，程铭3

1.南京理工大学计算机科学与工程学院，南京 210094
2.中国电子科技集团公司第二十八研究所，南京 210007
3.海军指挥学院海战实验室，南京 210016

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-01 发布日期:2011-09-01

Improved algorithm of associating with radar track and flight plan

CHEN Yuhan1，2，CHENG Ming3

1.School of Computer Science and Engineering，Nanjing University of Science and Technology，Nanjing 210094，China
2.The 28th Research Institute of China Electronics Technology Group Corporation，Nanjing 210007，China
3.Naval War Gaming Center，Navy Command College，Nanjing 210016，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要： 针对航迹与飞行计划相关算法中出现的运算效率差和结果不稳定等问题，对航迹相关算法进行改进。减少了参与相关度计算的航线数量，提高了相关度计算的效率;采用遗传蚁群算法根据相关度对航迹与飞行计划进行整体匹配，解决了采用简单依次匹配所带来的结果不稳定性。通过仿真进行验证。

关键词: 飞行计划, 航迹, 相关, 遗传算法, 蚁群算法

Abstract: Aiming at some problems in the algorithm of associating with radar track and flight plan，for example，work efficiency is low，and the result is not stable，some improvements are taken to algorithm of track association.The number of tracks that is used for associating degree is decreased.It improves on its efficiency.According to associating degree，using Genetic Algorithm and Ant Colony Algorithm（GAACA） totally matches the radar track and flight plan.This solves the stability of simply matching by turns.A simulation example is taken to validate these improvements.

Key words: flight plan, track, association, Genetic Algorithm（GA）, Ant Colony Algorithm（ACA）

陈宇寒1，2，程铭3. 航迹和飞行计划相关算法的改进[J]. 计算机工程与应用, 2011, 47(25): 228-230.

CHEN Yuhan1，2，CHENG Ming3. Improved algorithm of associating with radar track and flight plan[J]. Computer Engineering and Applications, 2011, 47(25): 228-230.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[5]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[6]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[7]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[8]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[9]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[10]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[11]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[12]	茅正冲，陈海东. 自适应尺度的上下文感知相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(3): 168-174.
[13]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[14]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[15]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.