GPU并行蚁群算法在中小型无人机二维航迹规划中的应用研究

详细信息    查看全文 | 推荐本文 |

	作者：杨雅宁 ; 蔺勇 关键词：航迹规划 ; 蚁群算法 ; GPU ; CUDA 中文刊名：NFLJ 英文刊名：China Southern Agricultural Machinery 机构：宁夏师范学院物理与电子信息工程学院; 出版日期：2018-11-15 出版单位：南方农机 年：2018 期：v.49;No.313 语种：中文; 页：NFLJ201821013 页数：2 CN：21 ISSN：36-1239/TH 分类号：11-12

摘要

蚁群算法是一种智能仿生优化算法,在无人机航迹规划领域中的研究与应用十分广泛,但是随着蚁群规模和任务航点规模的增大,算法的运行速度将大大降低。本文研究了一种基于蚁群算法的中小型民用无人机的航迹规划方法,并在CUDA7.0环境下利用GPU对该方法进行加速设计,实验结果表明,该方法取得了良好的加速效果,当蚁群规模和任务航点规模增大时,加速幅度显著提高。
        

引文

[1]缪永飞,钟珞,陈艳恩,等.改进免疫算法在无人机航线规划中的应用[J].武汉理工大学学报(信息与管理工程版),2015,37(2):135-139.
    [2]牛治永,李锦军,岳冬梅,等.无人机三维航迹规划算法研究[J].自动化技术与应用,2013,32(11):1-5.
    [3]房建卿,王和平.云模型蚁群算法在无人机航迹规划中的应用[J].科学技术与工程,2012,12(18):4455-4460.
    [4]唐必伟,方群,朱战霞,等.基于改进蚁群算法的无人飞行器二维航迹规划[J].西北工业大学学报,2013,31(5):683-688.
    [5]唐必伟,朱战霞,方群,等.基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划[J].西北工业大学学报,2013,31(6):901-907.
    [6]邬琦,潘广贞,杨江涛.基于Voronoi图和动态自适应蚁群算法的UAV航迹规划[J].计算机测量与控制,2014,22(9):3037-3040.
    [7]高颖,陈旭,周士军,等.基于改进蚁群算法的多批次协同三维航迹规划[J].西北工业大学学报,2016,34(1):41-46.
    [8] David B.KirK,Wen-mei W.Hwu.大规模并行处理器编程实战[M].北京:清华大学出版社,2013.