变步长稀疏A*算法的无人机航路规划

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (29): 206-209.

变步长稀疏A*算法的无人机航路规划

黄文刚1，张怡1，姜文毅2，廉晶晶1

1.西北工业大学电子信息学院，西安 710129
2.中国航空无线电电子研究所，上海 200233

出版日期:2012-10-11 发布日期:2012-10-22

SAS algorithm with changeable steps for route planning of UAVs

HUANG Wengang1, ZHANG Yi1, JIANG Wenyi2, LIAN Jingjing1

1.School of Electronics and Information, Northwestern Polytechnical University, Xi’an 710129, China
2.China Aeronautical Ratio Electronics Research Institute, Shanghai 200233, China

Online:2012-10-11 Published:2012-10-22

摘要/Abstract

摘要： 为实现不同条件下的无人机自主航路规划，提出一种变步长稀疏A*算法。当遭遇紧迫环境时，缩小稀疏A*算法（SAS）的搜索步长，使无人机安全通过，提高了搜索精度和算法的鲁棒性，否则，保持较大的搜索步长扩展，保证搜索的高效性；并依据动态稀疏A*算法（DSAS）的思想，给出了应用于实时航路规划的多步搜索方案。仿真结果表明，算法简单有效地实现了复杂环境下的航路规划以及动态环境下的在线实时航路规划。

关键词: 航路规划, 变步长, 鲁棒性, 实时规划

Abstract: To realize autonomous route planning of the UAV under different conditions, a kind of Sparse A* Search（SAS） algorithm with changeable steps is presented. When near the critical threat it switches to small step in the SAS algorithm, which can guarantee the search accuracy and the robustness of the algorithm, otherwise, keeps searching with big step for improving efficiency of the search. Based on the idea of Dynamic Sparse A* Search（DSAS）, a multi-step search method which can be applied to real time route planning is provided. Simulation results show that the algorithm can effectively realize route planning in complicated environment and achieve real-time path planning in dynamic environment.

Key words: route planning, changeable step, robustness, real-time planning

黄文刚1，张怡1，姜文毅2，廉晶晶1. 变步长稀疏A*算法的无人机航路规划[J]. 计算机工程与应用, 2012, 48(29): 206-209.

HUANG Wengang1, ZHANG Yi1, JIANG Wenyi2, LIAN Jingjing1. SAS algorithm with changeable steps for route planning of UAVs[J]. Computer Engineering and Applications, 2012, 48(29): 206-209.

[1]	白祉旭，王衡军，郭可翔. 基于深度神经网络的对抗样本技术综述[J]. 计算机工程与应用, 2021, 57(23): 61-70.
[2]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[3]	黄晓琪，王莉，李钢. 融合胶囊网络的文本-图像生成对抗模型[J]. 计算机工程与应用, 2021, 57(14): 176-180.
[4]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[5]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[6]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[7]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[8]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[9]	蒋云彪，郭晨，于浩淼. 自主水下航行器的鲁棒自适应姿态控制算法[J]. 计算机工程与应用, 2019, 55(17): 266-270.
[10]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[11]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[12]	余景丽，胡恩良，张涛. 一种新的L1度量Fisher线性判别分析研究[J]. 计算机工程与应用, 2018, 54(4): 128-134.
[13]	桂龙，王爱平，丁国绅. 改进步长与策略的果蝇优化算法[J]. 计算机工程与应用, 2018, 54(4): 148-153.
[14]	魏煜，嵩天. 无线传感器网络中的数据传输精简算法[J]. 计算机工程与应用, 2018, 54(3): 100-108.
[15]	罗煜1，周星1，龙宇1，匡汉宝1，Thomas Dreibholz2，谭毓银1. IPv6+MPTCP技术对上层应用支撑的验证[J]. 计算机工程与应用, 2018, 54(24): 79-86.