1.3 本书的主要内容和安排

UAV航迹规划的规划区域非常广阔，同时涉及多种约束条件，数学模型建立非常困难。现有的规划算法不论在航迹的隐蔽性还是规划的实时性等方面都难以满足现代战争不断变化的任务要求。本书除介绍UAV航迹规划的特点和现有常用航迹规划算法以外，主要补充了以下几个方面的内容：

（1）航迹规划建模

在分析传统的方法基础之上，提出一种新的规划环境表示方法，该方法采用不同的数据结构表示不同的环境要素，避免了传统规划算法构建搜索图所需要的计算量。当战区环境发生变化时可以及时更新规划环境信息，保证满足实时应用的要求。还给出了一种既可提高UAV的生存概率，又方便计算的代价函数，并给出了一种基于模糊推理的代价因子权系数确定方法。

（2）基于稀疏A*搜索的三维航迹规划算法

在稀疏A*搜索基础之上，提出了一种新的三维航迹规划算法。该算法通过把约束条件结合到搜索过程中去，可以有效地修剪搜索空间中的无用节点，缩短了航迹搜索时间。在搜索过程中地形信息得到了充分利用，使算法生成的航迹能够自动回避地形和威胁。

（3）基于稀疏A*搜索的在线航迹再规划方法研究

针对不确定环境中的UAV在线实时航迹再规划问题，给出了一种动态稀疏A*搜索算法。该算法能够在具有预先未知威胁的飞行环境中实现航迹在线实时再规划。当UAV上装备的探测器探测到飞行环境中有预先未知的威胁出现时，根据新的环境信息局部修正受到影响的航迹段来获得新的航迹。

（4）针对静止目标的在线实时航迹规划

针对UAV在线航迹规划问题展开研究，基于自学习实时A*搜索的思想，提出了一种实时航迹搜索算法。该算法将UAV的运动与航迹搜索结合在一起，可以有效地调节搜索的时间，满足在线实时应用的要求。

（5）针对运动目标的在线实时航迹规划

针对运动目标的UAV航迹规划问题，给出了一种UAV运动目标航迹搜索算法，该算法可以对目标的每一步移动实时作出反映。通过在限定的时间内扩大寻优范围，该算法不但可以满足实时在线应用的要求，而且可以有效地避免不可行区域，并使生成的航迹更加优化。

（6）基于进化计算的航迹规划方法

提出了一种基于进化计算的UAV航迹规划算法。该算法将进化计算的思想与具体的航迹规划问题相结合，通过采用一种变长实值基因编码方式和一套特定的进化算子，使生成的航迹能够满足各种航迹约束条件，并根据规划环境自动地调整航迹的节点个数。该算法快速有效，不但规划时间可以满足实时在线应用的要求，而且可以生成近似最优的航迹。

（7）UAV多航迹规划

UAV多航迹规划问题，在分析基于进化计算的多峰值函数优化方法基础上，通过引入聚类分析，提出了一种新的UAV多航迹规划算法。该算法可以方便地根据规划环境和任务要求确定需要生成的航迹数目；通过将航迹按其空间分布进行聚类，可以获得在较为离散的多条航迹，而对在空间上相互间比较接近航迹并不一一找出；通过采用多种群进化的计算方法，便于并行实现，可以进一步提高计算速度。

（8）多UAV协调航迹规划

针对多UAV的协调航迹规划展开研究，提出了一种基于协同进化的多UAV协调航迹规划算法。在该算法中，不同UAV的潜在航迹形成它们自己的子种群，并在子种群内部进化。不同UAV间的协调关系由航迹的评价函数来实现。该算法可以有效利用各种环境信息，处理各种航迹约束，并实时地为每个UAV生成满足要求的三维航迹。

（9）UAV的任务分配问题

在UAV的自主控制应用中，任务分配是航迹规划的前提。本文给出了UAV任务分配问题的一般数学模型，重点研究了邻域搜索的相关技术，运用对称群结构描述任务分配问题中搜索邻域的构造方法，在此基础上提出了一种结合进化计算和群论禁忌搜索的任务分配算法。针对UAV任务分配的动态实时性要求，论文提出了一种基于K-均值聚类的部分重组策略，大大减少了任务再分配时间，而且获得了较好的任务分配结果。

以上内容将在本书的各章节中详细叙述。首先，作为航迹搜索的基础，在第2 章讨论了规划空间模型和航迹代价，并重点对于巡航导弹的航迹规划模型进行了介绍；第3 章描述了UAV离线航迹规划方法，包括基于稀疏A*搜索的航迹规划方法，随机路线图方法以及基于进化计算的航迹规划方法；第4 章讨论了在线实时航迹规划方法，如UAV在线航迹再规划方法，实时航迹规划方法，以及针对运动目标的UAV航迹规划方法；第5 章UAV多航迹规划方法与协调航迹规划。给出了基于Voronoi图的UAV多航迹规划算法以及基于进化计算的UAV多航迹规划方法；描述了UAV问题；多UAV任务分配问题则在第6章中进行叙述；战斧式巡航导弹是世界上目前发展最全面、作战使用最多的UAV系统，因此在第7 章中，对该武器系统进行了介绍，并重点对于该系统的航迹规划系统的发展经历进行了回顾，以作为发展无人器航迹规划系统的实例与总结。