《表5 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》
提示：宽带有限、当前游客访问压缩模式
限定连续出现问题节点的次数，以保证成功概率，通过蒙特卡洛算法[8]计算真实概率。迭代完成得到最优解，如图8所示，相应的最优规划三维路径图如图9所示，航迹规划结果见表5。
| 图表编号 | XD00207980900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.25 |
| 作者 | 冯礼鸿、蒋胜 |
| 绘制单位 | 上海理工大学、上海理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 仿真参数设置：一种改进的多无人机覆盖航迹规划方法》2020.10.25
- 《表7 加标回收率结果：基于智能优化算法的集群协同航迹规划方法研究》2020.11.01
- 《表4 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表3 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表3 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表2 数据集示例：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表1 符号说明：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表3 算法性能比较：多约束条件下无人机航迹规划》2021.02.15
- 《续表1：基于蚁群算法对飞行器航迹规划的研究》2020.12.01
- 《表1 Floyd迭代算法下航迹规划结果》2020.10.25
- 《表2 三种算法结果比较：Floyd算法在多约束条件下飞行器航迹快速规划的应用》2020.10.25
- 《表1 目标参数设置：基于改进遗传算法的多无人机协同侦察航迹规划》2020.04.01
- 《表1 各方法生成航迹长度与规划时间对比》2020.05.15
- 《表1 各威胁参数：复合形引导蜂群寻优的无人机航迹多目标规划》2020.04.08
- 《表1 仿真实验参数：多无人机自适应编队协同航迹规划》2020.05.10
- 《表3 航迹节点个数：基于改进蚁群算法的三维航迹规划》2020.09.01
- 《表1 航迹长度比较：基于改进蚁群算法的三维航迹规划》2020.09.01
- 《表1 航迹代价表：混合种群RRT无人机航迹规划方法》2020.01.01
- 《表1 平均航迹长度和航迹规划平均时间》2018.11.28
- 《表1 威胁参数：基于诱骗策略的无人机协同航迹规划》2018.11.01