急！！！军事运筹学论文
介绍
路径规划是指在目标点和起点之间寻找满足一定性能指标和一定约束条件的路线和路径，用于移动物体。目前，航路规划的研究主要用于导弹、鱼雷、飞机等飞行器的飞行航路选择，而对无人机侦察航路的系统研究并不多见。在参考文献[3]中，虽然也采用了蚁群算法进行路径规划，但是没有充分考虑威胁点的存在和目标点的价值对路径的影响，在启发因子和信息素初始强度方面也没有对蚁群算法进行创新。在国外相关文献中，由于美军无人机航程远，对其航路规划的约束相对较少，可供参考的内容有限。然而，对岛屿进攻战役特殊作战样式的研究还是空白。基于这一背景，本文对这一问题进行了研究，以充分发挥无人机的最大作战效能，尽可能降低无人机的毁伤概率。
1.影响路线规划的因素分析
影响侦察无人机航路规划的主要因素有四个。
1.1目标值
目标值是衡量某一时刻对目标进行火力突击的必要程度的综合指标(用Vm表示)。通过层次分析法可以得到每个目标的值Vm，或者通过归一化可以得到每个目标的相对值系数Ku，从而衡量目标的重要性。
对不同目标进行侦察时，对价值较高的目标可以安排较长的有效侦察时间，而对价值相对较低的目标，有效侦察时间要适当压缩。
1.2有效飞行时间(距离)
侦察的主要目的是发现有价值的目标并及时描述目标的状态，因此发现目标的概率是衡量路线是否合理的重要指标。离目标越近，飞机上的侦察设备搜索目标区域的时间就越长，发现目标的概率就越大。
为了获取目标的有效信息，无人机必须接近目标并保持目标在其机载电子和光学侦察设备的范围内。为了实时监视某个目标，侦察无人机必须悬停在目标上空，使目标长时间处于机载设备的监视之下。因此，发现目标的概率可以用有效飞行时间来表征。它代表了侦察无人机对目标的总侦察和监视时间。为了处理方便，如果侦察无人机同速飞行，其有效侦察飞行时间也可以转化为有效飞行距离表示。
1.3生存能力
侦察无人机必须具备一定的生存能力才能完成侦察任务。其生存能力主要与侦察无人机的隐身规避性能、敌方雷达和防空武器的性能有关。也就是说，侦察无人机的生存能力不仅受其自身的脆弱性、易损性和可靠性的影响，还受敌方的侦察、探测和打击能力的影响。
从侦察无人机完成任务的过程来看，包括发射、正常飞行和突破拦截三个过程。如果用概率Pf，Pl，Ps来表示三个过程的完成。
1.4范围(燃油量)限制
航程是指侦察无人机起飞后不加油能飞行的最大水平距离，即飞行距离。是表征侦察无人机远距离、持久飞行能力的指标。因为地面一次加油量是有限的，它的航线必然会受到航程的限制，而且由于无线电的范围有限，飞机执行任务的位置不能超出它的作战半径。
2.路线规划建模
侦察无人机通常执行特定的侦察监视任务，指挥官的预期目标是在有限的飞行时间和航程内发现尽可能多的目标，同时付出最少的代价。
就航路规划的约束条件而言，首先威胁量不能超过指挥员的许可范围，其次侦察无人机的总飞行距离不能超过侦察无人机的航程。一旦两者中有一个不能成立，就说明所要求的任务不能完成，也就是说，
3.蚁群算法及其改进。
蚁群算法作为一种新的计算模式被引入人工智能领域，被称为蚂蚁系统。该系统基于以下假设:
(1)蚂蚁通过环境进行交流。每只蚂蚁只根据周围的局部环境做出反应，只影响周围的局部环境；
(2)蚂蚁对环境的反应是由其内部模型决定的；
(3)在个体层面，每个蚂蚁只根据环境做出独立的选择。在群体层面，单个蚂蚁的行为是随机的，但蚁群通过自组织过程形成高度有序的群体行为。
3.1基于蚁群算法的航路规划特性
基于蚁群算法的侦察无人机航路规划方法可以保证在制定航路时获得一条可探测概率较小且可接受范围的飞行航路。这种路线规划方法还具有以下特点:
(1)新的信息会在蚂蚁不断传播生物信息激素的强化下快速加入环境，而旧的信息会因生物信息激素的蒸发和更新而不断丢失，呈现出动态的特点；
(2)通过多只蚂蚁的合作搜索最优路径，成为大多数蚂蚁选择的路径，具有协同性；
(3)由于许多蚂蚁感受到环境中分散的生物信息激素，它们自身也散发出生物信息激素，这使得不同的蚂蚁有不同的选择策略，并且是分布的。这些特点与未来战场的许多要求是一致的，因此用蚁群算法来规划侦察无人机的航路是可行的，也是具有前瞻性的。
3.2蚁群算法的改进
(1)ij(t)的初始值
为了更好地考虑威胁，在初始条件下定义轨迹强度，根据蚂蚁的路径选择优化选择轨迹强度高的路径，而无人机的路径规划应该更好地选择远离威胁点的路径。那么可以定义轨迹的初始强度与距离成反比。即路线越靠近威胁点，信息素强度越小。对于两个目标点之间的每条路径，信息素轨迹的初始强度。
4.基于改进蚁群算法的无人侦察机航路规划的实现。
4.1路线规划的初始条件
蚁群算法主要用于多目标搜索和侦察的航路规划，即航路规划需要得到每个目标的数量和顺序，使侦察无人机通过尽可能多的目标点。
在初始规划过程中，为了便于蚁群算法的实现，先确定坐标系，用坐标系表示上述目标点和威胁点，可以方便实际操作。
假设在夺岛战役中，以一座城市为坐标点(100，100)，建立一个以3公里为单位长度的1坐标系的平面直角坐标系(这是充分考虑到所有主要有价值点都包含在(120×120)的一个范围内后合理构造的)。然后就可以确定上述各点的坐标系位置，得到各点的坐标。同时，通过层次分析法可以得到各目标点的价值系数(具体过程略)。
4.2蚁群算法模型的实现
蚂蚁围食系统初始参数的确定
为了便于计算和表示，目标点定义为向量Mi(其中I = 1，2，3，…，12)，威胁点定义为向量Ti(其中I = 1，2，3)。蚁群算法用于求解目标点的旅行商问题。目前发展起来的蚁群算法包括蚂蚁密度系统、蚂蚁数量系统和蚂蚁周长系统，但实际应用中多采用后者。为了方便在系统中模拟蚂蚁的行为，定义了标签。
4.3蚁群算法模型分析
通过比较，定性分析了各种情况下的目标函数值和航路规划图。不难发现，考虑到目标点的价值和威胁点的威胁，航路尽可能避开威胁，优先选择目标价值较高的点。这样无人机的毁伤概率低，如果发生毁伤事件，已经发现的目标整体价值最大。
针对四种情况进行定量分析，假设指挥官倾向为0.6，即略微考虑威胁成本。2000米意味着对每个目标的有效侦察距离为2000米，计算目标函数值。可以看出，虽然航线总长度最大，但总体目标函数值也最大，航程最好，即侦察无人机要依次通过这些目标点。
5.结束语
通过以上分析，在侦察无人机的侦察任务给定的情况下，通过运算得到最优初始航路，可以有效提高无人机的侦察效率，降低无人机的毁伤概率，对当前军事斗争准备中如何使用侦察无人机具有一定的指导意义。随着我军侦察无人机性能的提高和机型的不断丰富，如何规划这些机型在未来岛屿攻击战役中的航线，需要进一步探讨。