《表1 两种算法的代价对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《无人机三维航迹规划的量子粒子群优化算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用式（1）计算出x∈[0，100]，y∈[0，100]范围内的山区地形高度z1。设置固定翼无人机的约束条件分别为:Lmax=500km，Lmin=1.0km，Δψmax=60°，θmax=60°，Δhmax=0.5km，ht=0.02km，hsafe=0.05km。设置无人机的实时航迹高度高于其下方地形高度0.15km，满足最大、最小飞行高度约束条件。应用仿真试凑法进行反复尝试，确定算法参数如下:αmax=1.0，αmin=0.6，N=300，D=25，Tmax=100，w1=0.3，w2=0.3，w3=0.4，k21=30，k22=30，C0=300。为了与传统PSO算法进行对比，也采用了传统PSO算法进行无人机航迹规划仿真实验。在传统PSO算法中与α对应的参数为:惯性权重w、学习因子c1和c2，都为常数[1]。应用仿真试凑法确定算法参数如下:w=0.5，c1=2.0，c2=2.0，N=300，D=25，Tmax=100，w1=0.3，w2=0.3，w3=0.4，k21=30，k22=30，C0=300。采用蒙特卡洛法进行100次仿真实验，对仿真结果进行统计分析，求出3段航迹的代价的平均值，两种算法的代价对比如表1所示。