以Markov链、离散鞅等随机过程理论作为研究工具,在对蚁群算法收敛性问题、停时问题、极值问题、稳健性问题及初始化参数选择问题理论分析的基础上,利用Alopex算法及云模型小生境理论对蚁群算法进行改进,以提高其收敛速度,避免陷入局部最优解;同时借鉴蚁群的多种社会行为,提出一种适用于复杂多变环境的普适性较强的蚁群动态融合模型;研究连续域内用蚁群算法求解带有多个约束条件的多参数连续优化问题的改进策略,并基于Memetic算法探讨蚁群算法与其它仿生优化算法融合机制;随后研究蚁群算法的并行性实现问题;最后将改进后的蚁群算法应用于解决无人作战飞机的多机协同任务分配问题和多机协同路径规划及实时重规划问题,从而为动态复杂环境下无人作战飞机的多机协同任务规划设计提供一个新的突破方向和一条切实可行的技术途径,同时也为用蚁群算法实时求解其它复杂动态组合优化问题提供有意义的探索。
英文主题词Ant colony algorithms; Convergence properties; Model improvement; UCAVs; Mission planning