1. 运输路径优化问题
运输距离运输环节运输工具运输时间运输费用
文献
1 马良;TSP及其扩展问题的混合型启发式算法[J];上海理工大学学报;1999年01期
2 周勇,陈洪亮;蚁群算法的研究现状及其展望[J];微型电脑应用;2002年02期
1 刘海燕,李宗平,叶怀珍;物流配送中心选址模型[J];西南交通大学学报(自然科学版);2000年03期
2 李延晖;马士华;;基于时间竞争的配送系统多目标决策模型研究[J];计算机集成制造系统-CIMS;2005年11期
3 孙元欣,黄培清;竞争型连锁经营网点选址模型与遗传算法解[J];科学学与科学技术管理;2001年10期
4 魏恒,任福田;人-机参与公交客运枢纽选址方法[J];北京工业大学学报;1991年03期
5 李栋;曹义华;苏媛;冯婷;;基于改进蚁群算法的低空突防航迹规划[J];北京航空航天大学学报;2006年03期
6 封全喜,刘诚;物流配送车辆路径问题的并行遗传算法研究[J];铁道科学与工程学报;2005年04期
7 许志红,张培铭;基于蚁群算法的智能交流接触器优化设计[J];电工电能新技术;2005年03期
8 杨荣华,王新洲,牛瑞芳;非线性最小二乘估计的蚁群单纯形混合算法[J];地理空间信息;2005年03期
9 蒋建国;夏娜;齐美彬;木春梅;;一种基于蚁群算法的多任务联盟串行生成算法[J];电子学报;2005年12期
10 彭沛夫;林亚平;胡斌;张桂芳;;基于遗传因子的自适应蚁群算法最优PID控制[J];电子学报;2006年06期
1 宁静;王桂棠;吴黎明;刘军;;基于自适应挥发因子蚁群算法的Zigbee路由协议[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年
2 张开飞;黄道;;基于改进蚁群算法的车辆路径问题研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年
3 许�;陈国仁;张利萍;;应用于拣选操作的自动化立体仓库作业优化调度[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
4 龙栋材;李斌兵;;蚂蚁算法在导航系统中的应用研究[A];第四届海峡两岸GIS发展研讨会暨中国GIS协会第十届年会论文集[C];2006年
5 赵磊;黄道;;基于蚁群算法的化工过程故障诊断[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年
6 许(王莹);陈国仁;张利萍;;应用于拣选操作的自动化立体仓库作业优化调度[A];先进制造技术论坛暨第三届制造业自动化与信息化技术交流会论文集[C];2004年
7 段海滨;王道波;于秀芬;;基于混合优化策略的连续域蚁群算法改进研究[A];2006中国控制与决策学术年会论文集[C];2006年
8 陆凯峰;彭力;;基于改进蚁群优化算法的机器人路径规划[A];2007中国控制与决策学术年会论文集[C];2007年
9 许志红;张培铭;;基于蚁群算法的智能交流接触器优化设计[A];中国电工技术学会低压电器专业委员会第十二届学术年会论文集[C];2005年
10 石为人;余兵;张星;;单机作业下的提前/脱期问题的蚁群调度优化算法[A];中国仪器仪表学会测控技术在资源节约和环境保护中的应用学术会议论文集[C];2001年
1 郭建宏;林副产品配送优化辅助决策模型及GIS集成研究[D];北京林业大学;2008年
2 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年
3 曾洪涛;基于Community Intelligence的水电企业模型及应用研究[D];华中科技大学;2006年
4 徐俊杰;元启发式优化算法理论与应用研究[D];北京邮电大学;2007年
5 丁铸;基于群智能的区域防空作战指挥决策研究[D];南京理工大学;2007年
6 向阳;移动Ad Hoc网络QoS路由技术研究[D];武汉理工大学;2007年
7 李澄非;计算智能方法研究及其在流程工业中应用[D];北京化工大学;2007年
8 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
9 程铁信;大型工程项目物流风险分析与管理研究[D];天津大学;2003年
10 韩勇;物流园区系统规划的理论、方法和应用研究[D];天津大学;2003年
论文摘要：文章针对侦察无人机航路规划这一问题，分析了影响航路规划的因素，构建了航路规划的模型。结合侦察无人机航路规划的特点与模型，论证了基于蚁群算法求解的理由与优点，并对蚁群算法的初始信息素强度与启发因子进行了改进。最后以岛屿进攻战役这一特定作战任务为例。利用MATLAB实现了侦察多目标时的航路规划问题。
引言
航路规划是指在目标点与起始点之间，为运动物体寻找满足某种性能指标和某些约束的线路、路径。目前对于航路规划的研究主要用于导弹、鱼雷、飞机等飞行器的飞行线路选择上，对于无人机的侦察航路的系统研究还不多见。在文献[3]中虽然也应用蚁群算法进行了航路规划，但没有充分考虑到威胁点存在和目标点价值对航路的影响，且对蚁群算法没有进行启发因子和信息素初始强度方面的创新。在相关外文文献中，由于美军无人机航程较大，其航路规划的约束条件就相对较少，可供借鉴的内容也很有限。而针对岛屿进攻战役这一特殊作战样式的研究更是尚属空白。本文正是基于这一背景下对该问题进行研究，以实现在充分发挥无人机最大作战效能的同时，又尽可能地降低无人机被毁伤概率。
1、影响航路规划的因素分析
影响侦察无人机航路规划的主要因素有如下四个方面。
1.1 目标价值
目标价值是衡量某一时刻对某一目标实施火力突击必要程度的综合指标(用Vm表示)。可采用层次分析法获得各个目标的价值Vm，也可以再进行归一化处理，得到各目标的相对价值系数Ku，以此来衡量目标的重要程度。
对不同的目标实施侦察时，对于价值较高的目标可安排更长的有效侦察时间，而对于价值相对较低的目标，则应适当压缩有效侦察时间。
1.2有效飞行时间(距离)
侦察的主要目的是发现对己方有价值目标并及时描述目标的状态，因此发现目标的概率是航路是否合理的一个重要指标。距离目标越近，飞机上侦察设备能够搜索目标区的时间也就越长，发现目标的概率也就越大。
在执行侦察任务时，为了获得某一目标的有效信息，无人机必需接近目标并使目标处于其机载电子、光学侦察设备的作用距离内。如果为了实时监控某一目标，侦察无人机还必需在此目标的上空盘旋、停留，以使目标长时间地处于机载设备的监控之下。因此对目标的发现概率可以用有效飞行时间来表征。它表示侦察无人机对目标总的侦察、监控时间，为处理方便，若侦察无人机以等速率飞行，则其有效侦察飞行时间也可转变为有效飞行距离表征。
1.3生存能力
侦察无人机要完成侦察任务就必须具备一定的生存能力。而其生存能力主要与侦察无人机的隐形规避性能、敌方雷达、防空武器的性能等相关。即侦察无人机的生存能力既受本身的易感性、易损性、可靠性影响，也受敌方的侦察探测和打击能力影响。
从侦察无人机完成飞行任务过程来看，包括发射、正常飞行和突破拦截三个过程，若用概率Pf、Pl、Ps表示三个过程的完成情况。
1.4航程(油量)限制
航程是指侦察无人机起飞后，中途不经加油所能飞越的最大水平距离，即飞行距离。是表征侦察无人机远航和持久飞行能力的指标。由于其在地面一次所加的油量是有限的，因此它的航路必然受到航程的限制，且由于无线电的作用距离受限，飞机执行任务的位置不能超过其作战半径。
2、航路规划构模
侦察无人机多数情况下执行特定的侦察监视飞行任务，指挥员期望的目标是在有限的飞行时间与航程内发现尽可能多的目标，同时付出的代价最小。
就航路规划的约束条件而言，首先是威胁量不能超过指挥员的许可范围，其二，是侦察无人机总的飞行距离不能超过侦察无人机的航程。一旦两者之一不能成立，表明要求的任务是无法完成的，即
3、蚁群算法及其改进
蚁群算法作为一种新的计算模式引入人工智能领域，被称为蚂蚁系统，该系统基于以下假设：
(1)蚂蚁之间通过环境进行通信。每只蚂蚁仅根据其周围的局部环境做出反应，也仅对其周围的局部环境产生影响；
(2)蚂蚁对环境的反应由其内部模式决定；
(3)在个体水平上，每只蚂蚁仅根据环境做出独立选择。在群体水平上，单只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 基于蚁群算法进行航路规划的特点
基于蚁群算法的侦察无人机航路规划方法，能够保证在航路制订时得到一条具有较小可被探测概率及可接受航程的飞行航路，这种航路规划方法还具有以下特点：
(1)在蚂蚁不断散布生物信息激素的加强作用下，新的信息会很快被加入到环境中，而由于生物信息激素的蒸发更新，旧的信息会不断被丢失，体现出一种动态特性；
(2)最优路线是通过众多蚂蚁的合作被搜索得到的，并成为大多数蚂蚁所选择的路线，这一过程具有协同性；
(3)由于许多蚂蚁在环境中感受散布的生物信息激素同时自身也散发生物信息激素，这使得不同的蚂蚁会有不同的选择策略，具有分布性。这些特点与未来战场的许多要求是相符的，因而采用蚁群算法对侦察无人机的航路进行规划具有可行性与前瞻性。
3.2蚁群算法的改进
(1)ij(t)的初值
为了更好的考虑威胁，在定义在初始条件下定义轨迹强度不同，根据蚂蚁选择路线最优选择轨迹强度高的路线，而无人机的航路规划中则应该更优的选择距离威胁点较远的航路。那么可以定义轨迹的初始强度与距离成反比。即与威胁点越近的路线，信息素强度越小。对于两目标点间的每条路径，其信息素轨迹初始强度。
4、基于改进蚁群算法的侦察无人机航路规划的实现
4.1航路规划的初始条件
蚁群算法用于航路规划主要运用在对多目标实施搜索侦察的航路规划问题，即航路规划需要得出的是飞行经过各个目标的数量和次序，以使侦察无人机经过尽可能多的目标点。
在进行初始规划的过程中，为更方便蚁群算法的实现，首先确定坐标系，将上述各目标点及威胁点用坐标系来表示，这样可以便于实际的运算。
假设在岛屿进攻战役中以某市为坐标点(100，100)的位置，以3公里为1个坐标系单位长度建立平面直角坐标系(这是在充分考虑了将主要有价值点都包括在一个(120×120)的范围内而合理构建的)。则可以确定上述各点的坐标系位置，得到各点坐标。同时各个目标点的价值系数通过层次分析法可求得到结果(具体过程略)。
4.2蚁群算法模型的实现
4.2.1蚁周系统的各初始参量的确定
为计算和表示方便，将目标点定义为向量Mi(其中i＝1，2，3，…，12)，威胁点定义为向量Ti(其中i＝1，2，3)。采用蚁群算法实现目标点的类旅行商(TSP，Traveling Salesman Problem)问题，目前已经开发的蚁群算法包括蚁密系统、蚁量系统和蚁周系统，而实际应用多数应用后者。为模拟系统中蚂蚁行为的方便，定义标记。
4.3蚁群算法模型分析
通过比较的方法，定性分析各个情况下的目标函数值和航路规划图。不难发现在考虑了目标点价值和威胁点威胁的情况下，航路尽可能地避开了威胁并优先选择通过目标价值较大的点。这样无人机的被毁伤概率较低，且如果发生被毁伤事件时，已经发现的总体目标价值最大。
针对四种情况进行定量分析，假设指挥员的倾向性为0.6，即略侧重于考虑威胁代价。2000表示对每个目标的有效侦察距离均为2000m，计算目标函数的值，可见考虑完备时虽然航路总长最大但总体的目标函数值也最大，航程最优，即侦察无人机应按照依次通过这些目标点。
5、结束语
通过上述分析，在给定侦察无人机的侦察任务情况下经运算可求得最优的初始航路，它可以有效地提高无人机的侦察效能，降低无人机的被毁伤概率，它对于目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及型号的不断丰富，在对未来岛屿进攻战役中如何对这些机型进行航路规划尚有待于进一步探讨。
蔡自兴教授已在国内外发表论文和科技报告等860多篇。2010年：1.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26- 28, 2010.2.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26-28, 2010.3. Chen Baifan,Zi-Xing Cai, Zhi-Rong Zou. A Hybrid Data Association Approach for Mobile Robot SLAM. International Conference on Control, Automation and Systems, October 27-30, 2010, KINTEX, Gyeonggi-do, KOREA (Accepted).4. Guo Fan,Cai Zixing, Xie Bin, Tang Jin. Automatic Image Haze Removal Based on Luminance Component. The International conference on Signal and Image Processing (SIP 2010).May 2010 (Accepted).5. Linai. Kuang,Zixing. Cai.Immune System based Redeployment Scheme for Wireless Sensor Networks[C].In proceeding of 1st IET International Conference on Wireless Sensor Network. Beijing, China, November,2010.6. Lingli YU,Zixing CAI, A Study of Multi-Robot Stochastic Increment Exploration Mission Planning [J]. Frontiers of Electrical and Electronic Engineering in China, (Received).7. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Applied Soft Computing, 2010,10(2): 629–640.8. LIU Xian-ru,CAI Zi-xing. Advanced obstacles detection and tracking by using fusing radar and image sensor data. International Conference on Control, Automation and Systems，2010/10/27,Korea.9. Liu Xianru,Cai zixing. Advanced obstacles detection and tracking by using fusing Radar and Image Sensor Data[C]. International Conference on Control, Automation and Systems. (October 27-30,2010, KINTEX, Gyeonggi-do, KOREA).10. Ren Xiaoping,Zixing Cai. Kinematics Model of Unmanned Driving Vehicle. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5910-5914.11. Suqin Tang,Zixing Cai: Tourism Domain Ontology Construction from the Unstructured Text Documents. The 9th IEEE International Conference on Cognitive Informatics, Beijing, China.2010,pp297-301.12. Suqin Tang,Zixing Cai: Using the Format Concept Analysis to Construct the Tourism Information Ontology. The 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'10)，Yantian, China.2010, pp2941-2944.13. Tan Ping,Zixing Cai. An Adaptive Particle Filter Based on Posterior Distribution. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5886-5890.14. Wang Yong,Cai Zixing, Zhang Qingfu. Differential evolution with composite trial vector generation strategies and control parameters. IEEE Transactions on Evolutionary Computation, Accept, regular paper.15. Wang Yong,Cai Zixing. Constrained evolutionary optimization by means of (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, in press.16. Wang Yong, Combining multiobjective optimization with differential evolution to solve constrained optimization problems. IEEE Transactions on Evolutionary Computation, (regular paper, Accepted).17. Xianru Liu,Zixing Cai.Advanced Obstacles Detection and tracking by Fusing Millimeter Wave Radar and Image Sensor Data,International IEEE Intl Coference on Control,Automation and Systems , Korea, 2010, 22:1115-1121.18. Xie Bin, Fan Guo,Zixing Cai. Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. 2010 International Conference on Intelligent System Design and Engineering Application, Changsha, China, 2010. (Accepted) .19. YU Ling-li,CAI Zi-xing, GAO Ping-an, LIU Xiao-ying. A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multi-robot exploration mission planning. Journal of control theory and applications (Received) .20.蔡自兴，陈白帆，刘丽珏. 智能科学基础系列课程国家级教学团队的改革与建设. 计算机教育，2010，（127）：40-44 .21.蔡自兴，任孝平，李昭.一种基于GPS/INS组合导航系统的车辆状态估计方法. Proc.CCPR2010, 2010.22.蔡自兴。智能科学技术课程教学纵横谈. 计算机教育，2010，（127）：2-6.23.蔡自兴，蒋冬冬，谭平，安基程。H.264中快速运动估计算法的一种改进方案;计算机应用研究2010,27(4):1524-1525.24.蔡自兴; 任孝平; 邹磊; 匡林爱. 一种簇结构下的多移动机器人通信方法.小型微型计算机系统,2010,31(3):553-556.25. 陈爱斌，蔡自兴.一种基于目标和背景加权的目标跟踪方法,控制与决策，2010,25(8):1246-1250.26. 陈爱斌;蔡自兴; 文志强; 董德毅. 一种基于预测模型的均值偏移加速算法. 信息与控制 2010,39(2): 234-237.27. 陈爱斌; 董德毅;杨勇;蔡自兴. 基于目标中心定位和NMI特征的跟踪算法.计算机应用与软件,2010,27(4):276-279.28. 陈白帆，蔡自兴，刘丽珏. 人工智能课程的创新性教学探索——人工智能精品课程建设与改革. 计算机教育，2010，（127）：27-31.29. 官东，蔡自兴，孔志周. 一种基于推荐证据理论的网格信任模型.系统仿真学报，2010，22（8）：1895-1898.30.郭璠,蔡自兴,谢斌, 唐琎. 图像去雾技术研究综述与展望. 计算机应用, 2010, 30(9):2417-2421.31. 郭璠,蔡自兴, 谢斌, 唐琎. 一种基于亮度分量的自动图像去雾方法. 中国图象图形学报. 2010年3月(录用).32. 江中央,蔡自兴,王勇. 一种新的基于正交实验设计的约束优化进化算法. 计算机学报, 2010，33（5）：855-864.33. 江中央,蔡自兴,王勇.求解全局优化问题的混合自适应正交遗传算法.软件学报, 2010,21(6):1296-1307.34. 匡林爱,蔡自兴. 基于遗传算法的无线传感器网络重新部署方法. 控制与决策，2010,25(9):1329-1332.35. 匡林爱,蔡自兴.一种簇机构下的多移动机器人通讯方法.小型微型计算机系统.，2010，31（3）：553-556.36. 匡林爱,蔡自兴.一种带宽约束的无线传感器网络节点调度算法.高技术通讯，2010,20(3):309-313.37. 刘丽珏，蔡自兴，唐琎. 人工智能双语教学建设. 计算机教育，2010，（127）：74-77.38. 刘献如，蔡自兴. 基于SAD与UKF-Mean shift的主动目标跟踪. 模式识别与人工智能，2010,23(5)：646-652.39. 刘献如，蔡自兴. 结构化道路车道线的鲁棒检测与跟踪. 光电子.激光，2010，21(12):1834-1838.40. 刘献如,蔡自兴.UKF 与Mean shift 相结合的实时目标跟踪.中南大学学报，2009年录用.41. 刘晓莹;蔡自兴; 余伶俐; 高平安. 一种正交混沌蚁群算法在群机器人任务规划中的应用研究. 小型微型计算机系统, 2010,31(1):164-168.42. 蒙祖强，蔡自兴，黄柏雄. 课程交叉教学在应用型人才培养中的实践探索. 计算机教育，2010，（127）：55-57.43. 潘薇;蔡自兴; 陈白帆. 复杂环境下多机器人协作构建地图的方法;四川大学学报(工程科学版) 2010-01-20.44. 任孝平,蔡自兴,邹磊,匡林爱.“中南移动二号”多移动机器人通信系统.中南大学学报（自然科学版）,2010,41(4):1442-1448.45. 任孝平,蔡自兴.四种虚拟力模型在传感器网络覆盖中的性能分析.信息与控制,2010，39（4）：441-445.46. 任孝平;蔡自兴; 陈爱斌. 多移动机器人通信系统研究进展. 控制与决策 2010,(3): 327-332.47.唐素勤，蔡自兴，王驹，蒋运承: 基于gfp语义的描述逻辑系统FLE的有穷基,计算机研究与发展，2010,47(9):1514- 1521.48. 唐素勤，蔡自兴，王驹，蒋运承: 描述逻辑非标准推理, 模式识别与人工智能，2010,23(4)：522-530.49. 肖赤心，蔡自兴，王勇. 字典序进化算法用于组合优化问题. 控制理论与应用，2010，27（4）：473-480.50. 谢斌，蔡自兴. 基于MATLAB Robotics Toolbox的机器人学仿真实验教学. 计算机教育，2010，（127）：140-143.51. 余伶俐,蔡自兴,谭平,段琢华.基于多模态Rao-Blackwellized进化粒子滤波器的移动机器人航迹推算系统的故障诊断. 控制与决策，2010，25（12）：1787-1792.52. 余伶俐,蔡自兴,谭平,进化粒子滤波器对比研究及其在移动机器人故障诊断的应用. 信息与控制，2010，39（5）：621-628.53. 余伶俐，蔡自兴，肖晓明. 智能控制精品课程建设与教学改革研究. 计算机教育，2010，（127）：35-39.54. 余伶俐,焦继乐,蔡自兴. 一种多机器人任务规划算法及其系统实现. 计算机科学，2010，37（6）：252-255.55.周涛;蔡自兴。 信息审计中短消息中心实验环境的仿真[J].科学技术与工程 2010,10(6): 1551-1554.56. 邹磊,蔡自兴,任孝平.一种基于虚拟力的自组织覆盖算法.计算机工程,2010,36(14):93-95 .2009年：57. Gao Ping-an,Cai Zi-xing. Evolutionary Computation Approach to Decentralized Multi-robot Task Allocation. Proc. of the 5th International Conference on Natural Computation, IEEE Computer Society, 2009,415-419.58. Wang Yong,Cai Zixing, Zhou Yuren. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization, International Journal for Numerical Methods in Engineering, 2009, 77(11):1501-1534.59. Wang Yong,Cai Zixing, Zhou Yuren, Fan Zhun. Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique, Structural and Multidisciplinary Optimization, 2009, 37(1): 395-413.60. Wang Yong,Cai Zixing. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems, Frontiers of Computer Science in China, 2009,3(1):38-52.61. Wang Yong,Cai Zixing. Constrained evolutionary optimization by applying (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, Accept.62. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization.Applied Soft Computing, 2010,10(2):629–640.63. Liu Limei,Cai Zixing. An Improvement of Hough Transform for Building Feature map.64. Limei Liu, Zixing Cai,WeiPan.AMapBuilding Method Based on Uncertain Information of Sonar Sensor[C]. The 9th International Conference for Young Computer Scientists,2009,1738-1742.65. YU Ling-li,CAI Zi-xing. Robot Detection Mission Planning Based on Heterogeneous Interactive Cultural Hybrid Algorithm. Proc. of the 5th International Conference on Natural Computation.2009,583-587.66. Ren Xiaoping,Cai Zixing.A Distributed Actor Deployment Algorithm for Maximum Connected Coverage in WSAN. Proc. of the 2009 Fifth International Conference on Natural Computation, 2009,283-287.67. 王勇,蔡自兴,周育人,肖赤心.约束优化进化算法.软件学报, 2009,20(1): 11-29.68. 陈白帆,蔡自兴, 潘薇. 基于声纳和摄像头的动态环境地图创建方法.高技术通讯, 2009, 19(4): 410-414.69. 陈白帆,蔡自兴, 袁成. 基于粒子群优化的移动机器人SLAM方法研究.机器人, 2009, 31(6)：513-517.70. 高平安,蔡自兴. 多移动机器人任务负载均衡分组规划方法.高技术通讯,2009, 19(5):501-505.71. 高平安,蔡自兴. 一种基于多子群的动态优化算法.中南大学学报(自然科学版) 2009, 40(3): 731-736.72. 刘献如,;蔡自兴. 一种基于Integral Imaging和与模拟退火相结合的深度测量方法研究. 系统仿真学报. 2009，21(8)：2303~2306.73. 刘利枚，蔡自兴，潘薇.一种基于声纳信息的地图创建方法.计算机工程，2009，35（7）：166-185.74. 余伶俐，蔡自兴. 基于异质交互式文化混合算法的机器人探测任务规划.机器人.2009, 31(2):137-145.75. 余伶俐，蔡自兴，刘晓莹，高平安. 均分点蚁群算法在群集机器人任务规划中的应用研究[J].高技术通讯. 2009,19(10),1054-1060.76. 余伶俐，蔡自兴. 改进混合离散粒子群的多种优化策略算法.中南大学学报,2009, 40(4): 1047-1053.77. 余伶俐，蔡自兴，高平安，刘晓莹. 当代学习自适应混合离散粒子群算法研究. 小型微型计算机系统. 2009, 30(9):1800-1804.78. 余伶俐，蔡自兴. 基于当代学习离散粒子群的多机器人高效任务分配算法研究. 计算机应用研究. 2009, 26(5):1691-1694.79.蔡自兴; 谢斌; 魏世勇; 陈白帆. 《机器人学》教材建设的体会. 2009年全国人工智能大会(CAAI-13)，北京：北京邮电大学出版社，252-255，2009年9月.80.蔡自兴，郭璠. 密码学虚拟实验平台的设计与实现.中国人工智能进展（2009），中国人工智能大会(CAAI-13)论文集，北京：北京邮电大学出版社，432-438，2009年9月.81.蔡自兴,任孝平,邹磊.分布式多机器人通信仿真系统.智能系统学报,2009,4(4): 309-313.82. 任孝平,蔡自兴.基于阿克曼原理的车式移动机器人运动学建模.智能系统学报, 2009,4(6);534-537.83.蔡自兴; 任孝平; 邹磊. 分布式多机器人通信仿真系统.智能系统学报, 2009,4(4);309-313.84. 文志强;蔡自兴. 一种目标跟踪中的模糊核直方图. 高技术通讯, 2009,19(2):174-180.85.刘星宝;蔡自兴. 种子检测器刺激-应答变异算法研究. 高技术通讯, 2009,19(3):273-278.86. 刘星宝;蔡自兴. 负选择算法中的检测器快速生成策略. 小型微型计算机系统, 2009-07-15.87. 刘星宝;蔡自兴. 异常检测系统的漏洞分析.中南大学学报(自然科学版), 2009-08-26.88. 潘薇;蔡自兴; 陈白帆. 一种非结构环境下多机器人构建地图的方法. 高技术通讯, 2009-05-25.89. 孔志周;蔡自兴; 官东. 两种模糊密度确定方法的实验比较. 小型微型计算机系统, 2009-02-15.90. 江中央;蔡自兴; 王勇. 用于全局优化的混合正交遗传算法. 计算机工程, 2009-02-20.91. 肖赤心;蔡自兴; 王勇; 周经野. 一种基于佳点集原理的约束优化进化算法. 控制与决策, 2009-02-15 .92. 官东;蔡自兴; 孔志周. 一种基于网格技术的HLA分布仿真实现方法. 系统仿真学报, 2009,21(5):1363-1366.93.刘慧;蔡自兴; 王勇. 基于佳点集的约束优化进化算法. 系统仿真学报, 2009-03-20 .94. 潘薇;蔡自兴; 陈白帆. 基于遗传算法的多机器人协作建图方法. 计算机应用研究, 2009-04-15.95. 任孝平;蔡自兴; 卢薇薇. 一种基于扫描相关度的LSB算法. 计算机应用, 2009-05-01.96.胡强;蔡自兴. 一种基于改造时钟系统的Linux实时化方案. 计算机工程, 2009-06-05.97. 袁成;蔡自兴; 陈白帆. 粒子群优化的同时定位与建图方法. 计算机工程, 2009-06-05.98. 王勇;蔡自兴. “智能优化算法及其应用”课程教学的实践与探索. 计算机教育, 2009-06-10.99. 任孝平;蔡自兴; 卢薇薇. 网络可重构的多机器人仿真系统. 计算机应用研究, 2009-06-15.100. 袁湘鹏;蔡自兴; 刘利枚. 基于声纳的移动机器人环境建图的设计与实现. 计算机应用研究, 2009-07-15.101. 官东;蔡自兴; 孔志周.网格服务本体匹配算法研究. 小型微型计算机系统, 2009，30(8):1639-1643.102. 邹磊;蔡自兴; 任孝平. 基于簇的多移动机器人通信系统. 计算机应用研究, 2009-08-15.103.蔡自兴. 从严施教,精心育才,培养高素质人才. 计算机教育, 2009-09-10.104. 肖晓明; 旷东林;蔡自兴. 单亲遗传算法种群初始化方法分析. 电脑与信息技术, 2009-08-15.105. 刘丽珏; 陈白帆; 王勇; 余伶俐;蔡自兴. 精益求精建设人工智能精品课程. 计算机教育, 2009-09-10.106. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法.中南大学学报(自然科学版), 2009-09-10.107. 唐素勤;蔡自兴; 江中央; 肖赤心. 用于求解约束优化问题的自适应佳点集进化算法. 小型微型计算机系统,2009,第9期，2009-11-15.108.胡扬;桂卫华;蔡自兴. 多元智能算法控制结构综述. 计算机科学, 2009-10-15.109.蔡自兴. 《混沌系统的模糊神经网络控制理论与方法》评介. 计算技术与自动化, 2009-12-15.110. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法. 2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）], 2009-09-27.111. 于金霞;蔡自兴; 段琢华. 复杂地形下移动机器人运动学建模研究. 2009中国控制与决策会议论文集（1）, 2009-06-17.112. 刘献如，蔡自兴，杨欣荣. Integral Imaging与模拟退火相结合的深度测量方法研究. 系统仿真学报，2009,21（8）：2303－2307.
大部分人对空乘都有一种莫名的的向往，想去当空姐或者空少，却对空乘也是一知半解。空乘专业的论文选题有哪些呢?下面我给大家带来空乘 毕业 论文选题_航空类专业论文题目有哪些，希望能帮助到大家!
空乘毕业论文题目选题参考
1、空乘专业形体训练课教学内容研究
2、我国空运后送专业护士培训课程体系的构建研究
3、就业视域下空乘学生职业素质的培养与提升
4、国内民用客机机载娱乐系统现状分析及发展趋势
5、基于组织管理角度探讨工作场所暴力行为的防范策略
6、《乘务英语》课程形成性评价的探索与实践
7、民用飞机客舱旅客服务单元(PSU)布置研究
8、“南航事件”冷思考：急救机制要实，体制要顺
9、航空服务专业校企共同课程开发实施机制建设--以长沙航空职业技术学院为例
10、基于职业能力的空乘专业体育课程内容改革研究
11、浅析空中乘务员客舱播音的技巧
12、民航业的平民化现象
13、国际邮轮乘务人员跨 文化 交际能力培养探讨
14、航空公司机上服务质量现状与提升战略
15、公务航空服务创新研究
16、航空公司的服务质量控制
17、中国航空旅客不轨行为法律规制探究
18、论雇主 劳动合同 条款变更权之控制
19、关于人为因素对航空安全影响探讨
20、审美经济新理念--从审美视角看航空服务的新理念
21、我行我素的俄罗斯航空公司
22、职业 教育 的嬗变与转型--空乘办学热潮下的冷思考
23、空中乘务专业礼仪实训教学改革实践与探索
24、高职民航商务专业培养方向与定位的思考
25、传统航空借鉴低成本航空服务模式的思考
26、“母语结构教员”推动空客本地化售后服务进程
27、飞行护士职业发展实践探讨
28、本科空乘人才培养模式的研究与探索
29、关于航空服务存在问题的探讨分析
30、基于工作过程导向的高职民航乘务英语教学
31、论空乘人员职业倦怠及对策研究
32、空乘实务课程体系的构建与应用
33、对本科层次空乘专业建设发展的讨论
34、空中乘务礼仪教学问题及培养对策研究
35、人才的摇篮开启精彩民航[N]
36、用服务温度赢得市场热度[N]
37、我省民航业迅速发展引发航空人才需求[N]
38、西南航空学院乘务培训中心启用[N]
39、航空公司真情服务的探索与思考[N]
40、“空中骚扰”频发 航司服务水平亟待提升[N]
41、差异化航空服务的基础是旅客的共同利益[N]
42、空乘技能培训的质量管理探讨
43、基于TPB理论的旅客乘机安全行为研究
44、人为因素对航空安全的影响与对策研究
45、对中国民航企业廉价运营模式的思考
46、高职空乘专业学生服务意识培养途径探讨--以广州民航职业技术学院为例
47、民用飞机救生筏储存箱结构设计思路探讨
48、哈大高铁客服质量的现存问题及提升策略
49、浅谈民航乘务英语实践能力的培养和提高
50、改革高职空乘专业人才培养体系的必要性分析
51、需求理论视角下民航服务质量与理念的提升研究
52、当代中国民用航空客舱服务的民族审美文化特征
53、从战略和战术两个层面实现成本领先--美国西南航空公司的实践和启示
54、面向成本优化的航班延误损失差异研究
55、航空公司机组人员应对劫机处置能力评价研究
56、航空鼻科疾病防控 措施 和医学鉴定的临床研究
57、中国航空公司配置效率及其影响因素研究
58、民航女乘务员性生活质量调查研究
59、民航 企业文化 与核心竞争力提升的耦合研究
60、高职空中乘务专业综合英语课程教学改革探讨
飞行技术专业论文题目
1、基于改进蚁群算法的无人机航迹规划研究
2、四轴无人机多约束条件下的跟踪控制和轨迹规划 方法 研究
3、通讯受限条件下航天器编队姿态协同控制方法研究
4、飞行员飞行技术对其安全绩效的影响研究
5、航空器穿越飞行高度层最小纵向间隔的研究
6、海上无人机协同编队飞行控制技术研究
7、无人机协同编队队形保持控制算法研究
8、基于终端滑模的高超声速飞行器巡航及再入跟踪控制
9、面向无人机伴飞的多核相关滤波跟踪算法研究
10、实际导航性能(ANP)算法研究
11、我国航空公司航油成本管理研究
12、女飞行员工作压力致因及对策研究
13、无人机编队飞行控制器关键技术的研究
14、高校民航飞行学员思想政治教育问题研究
15、高超声速飞行器姿态控制先进方法研究
16、东航安全战略及其实施研究
17、高原复杂机场/环境终端区RNP运行中飞行技术误差(FTE)的分析与控制
18、基于NDB/VOR的仪表飞行技术仿真与应用研究
19、基于B/S的绵阳分院学生信息综合管理系统的设计与实现
20、PBN导航系统性能分析与研究
21、ZrB2基超高温陶瓷材料催化性能研究
22、高超声速飞行器金属结构热管热防护机制理论与模拟研究
23、空间飞行器DS-UWB通信多用户检测与频谱共存技术研究
24、卫星编队物理仿真系统多参数视觉测量方法及仿真验证
25、RNP导航技术培训系统的设计与实现
26、基于模糊综合评判的飞行品质评判系统研究
27、基于对偶四元数的编队飞行卫星自主相对导航算法研究
28、基于GPS相对测量的卫星编队碰撞规避研究
29、论飞行员劳动关系的法律调整
30、RVSM空域飞机碰撞风险研究
31、面向集群航天器的空间自组织网络关键技术研究
32、直接序列超宽带体制空间多用户通信技术研究
33、驾驶舱资源管理(CRM)对飞行技术安全的影响及对策研究
34、基于机组人为因素分析的东航飞行安全风险防控及对策研究
35、_学院飞行学员综合素质评价研究
36、离场程序三维保护区算法研究
37、特殊机场RNPAR程序设计及实例分析研究
38、基于我国航空公司飞行员特殊性的人力资源会计研究
39、空天网络的接入算法研究与可靠拓扑设计
40、基于SDRE方法的卫星编队队形保持与重构
航空服务毕业论文题目
1、湖南省机场管理集团有限公司客户关系管理研究
2、基于SERVQUAL方法的航空服务质量评价研究
3、多机场区域内新机场选址及其航线规模优化研究
4、__航空公司顾客忠诚度现状与提高策略研究
5、行业管理视角下的西南地区航空枢纽协调发展研究
6、民航青岛空中交通管理站服务质量提升问题研究
7、东方航空公司顾客满意度测评体系研究
8、欧美促进通用航空产业发展的法律与政策及其对中国的启示
9、基于税负测算模型的营改增对我国第三产业的影响研究
10、我国西北地区民用航空业发展研究
11、蒙古航空公司顾客满意度研究
12、航空公司辅助性收入研究初探
13、航空服务创新体系设计与实施研究
14、中国民营航空低成本运营管理模式研究
15、第五航空权开放法律问题研究
16、基于SOA架构的航空贵宾服务管理系统设计与实现
17、国内政治和国际民用航空制度变迁
18、江西长江通用航空公司发展战略研究
19、幸福航空公司发展战略研究
20、东方航空公司战略转型中的营销策略研究
21、中国南方航空公司客舱服务质量改进研究
22、广东省通用航空管理对策研究
23、天水机场管理体制重构与实现途径研究
24、越南航空公司客户满意度研究
25、中国公务机航空市场发展策略研究
26、中职学校航空服务专业人才培养方案的优化
27、民航云南安监局参与完善长水国际机场航班延误应急管理案例研究
28、“营改增”对CSA航空公司的影响分析
29、中国民航低空空域开放管理问题研究
30、A航空公司航班延误服务提升策略研究
31、SC航空股份有限公司发展战略与对策研究
32、基于顾客满意的服务补救问题研究
33、港龙航空长沙机场服务营销案例研究
34、空中乘务专业高职生共情能力培养研究
35、H航空公司产品营销研究
36、基于SERVQUAL模型的航班延误服务补救质量评价和管理
37、联盟中的航空公司产品开发研究
38、我国通用航空FBO规划设计研究
39、沈阳市高等职业院校毕业生就业问题调查研究
40、兵团交通运输集团业务选择与发展研究
41、湖南省通用航空发展策略研究
42、基于工作过程的高职航空服务 英语口语 课程改革研究
43、四川省通用航空参与航空类公共服务的调查研究
44、民航企业的移动互联营销研究
45、航空配餐体系的构建研究
46、公共管理视角下航空公司航班延误治理
47、喜马拉雅航空发展战略目标研究
48、高职院校ESP英语教学的对策研究
49、哈尔滨安达航服有限公司发展战略研究
50、ZS通用航空服务项目商业计划书
航空类专业论文题目相关 文章 ：
★ 关于航空公司的优秀论文参考
★ 关于航空公司的论文范文大全
★ 航空公司相关论文范文
★ 航空公司方面论文参考
★ 航空公司文化论文参考
★ 关于航空公司的论文参考
★ 关于航空公司的论文范文
★ 航空公司相关论文例文
★ 航空公司有关论文优秀范文(2)
★ 航空公司方面论文
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
下面详细说明：
1、范围：
蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。
2、环境：
蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。
3、觅食规则：
在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁都会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。
4、移动规则：
每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。
5、避障规则：
如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。
6、播撒信息素规则：
每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。
根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。
