基于智能优化算法的无人机航迹规划若干关键技术研究
|
摘要
无人机航迹规划是根据任务目标规划出满足约束条件的飞行轨迹，是无人机任务规划系统的关键组成部分。本文得到航空科学基金项目（2009ZC52041）资助，对无人机静态航迹规划、突发威胁下航迹规划、无人机多机协同航迹规划及航迹平滑等关键技术进行了研究。
针对无人机航迹规划问题所需满足的约束条件，建立了无人机机动性能约束模型和威胁约束模型，其中前者包括最大航程、最大爬升角、最小转弯半径及最小步长；后者主要包括雷达、导弹、高炮、大气和地形等威胁模型。此外，考虑到无人机可以利用地形进行规避风险，因此将高度作为航迹综合代价之一。
标准蚁群算法应用到无人机航迹规划问题中，状态转移策略仅根据信息素及启发因子按概率选择，存在盲目选择且难以快速找到目标节点的问题。本文在标准蚁群算法的状态转移策略中引入导引因子，并通过设定最大航迹节点数，解决了标准蚁群算法难以找到目标节点的问题。此外，在蚁群算法中引入随机蚂蚁子群，可以扩大搜索空间并增加解的多样性，使得算法可以获得更精确的解。仿真结果表明：改进的算法较原算法具有一定的优势。
无人机实际飞行中如果存在突发威胁分布的情况，必须进行航迹重规划，以便规避威胁。为满足作战时效性，要求重规划所采用的算法必须具有实时、高效的特点。本文根据蜂群算法邻域搜索的特性，以参考航迹的突发威胁段作为引领蜂航迹，跟随蜂仅在参考航迹的突发威胁段进行邻域搜索，而不需要对整条航迹搜索，由此可以快速获得修正航迹段，并替换原突发威胁航迹段。整个飞行过程中，无人机根据获得的威胁信息，不断修正参考航迹，直至达到目标节点。仿真结果表明：该算法在局部航迹修正方面较蚁群算法有一定的优势。
针对无人机协同航迹规划问题提出两级规划算法。该方法将协同航迹规划划分为航迹规划层和协同规划层。其中，航迹规划层首先设置满足每架无人机攻击角度的攻击节点集，然后采用智能优化算法得到各候选节点的相应的候选最优航迹集；协同规划层通过设计不同无人机的候选航迹之间的协同变量和协同函数，确定各候选综合协同代价最小的方案。最后，分别对协同会聚攻击及协同轮流攻击两种攻击策略进行仿真，结果表明：该方法可以获得全局最优备选航迹方案集，并能准确生成符合时空协同要求的航迹。
无人机初始航迹规划仅考虑了部分无人机机动性能约束，所获得的航迹仅能满足战术运筹，难以满足飞行性能约束，因此必须进行航迹平滑。本文根据航迹平滑问题的参数分布不均匀的特点，为保证平滑后的航迹代价无显著变化，提出了基于三次非均匀B样条曲线插补的航迹平滑方法。仿真结果表明：采用本文算法平滑后的航迹转弯半径均大于无人机所允许的最小转弯半径，整体过渡自然，航向没有突变。该平滑航迹不但经过全部航迹节点，而且逼近原航迹曲线，因此航迹的综合代价较原航迹无显著变化。
最后，针对无人机航迹各代价权重在起初往往取平均值或根据经验来确定，存在主观性较大的缺陷，本文充分考虑各指标之间的关系，引入离差最大化法和信息熵法来求解权重。此外，在多个方案进行优选决策时，进一步考虑各因素之间相互关联的系统特性，引入灰色关联分析理论，构建无人机航迹规划方案的优选模型。最后，将此优选模型用于实际航迹规划问题，从航迹方案集中挑选出综合性能最优的航迹，避免了传统凭经验选型的主观性和随机性。
UAV path planning is to plan the flight path and meet the constraints. It is based on the missionand is a key component of UAV mission planning system. This paper is supported by the AviationScience Foundation (2009ZC52041). This paper studies mainly some key issues，include the UAVPath Planning, including UAV static path planning，path planning with pop-up threats，cooperativepath planning for UAVs and path smoothing.
To meet the constraints of path planning problem, the paper establishes the UAV dynamicconstraint models and the threat constraint models. The former includes the maximum range, themaximum angle of climb, the minimum turning radius and the smallest step. The latter includesterrain threat, radar threat, missile threats, artillery threat, and atmospheric threat. In addition, takingthe terrain into account to avoid the risk of UAV, so this paper regards height as one of the cost.
When the standard ACO algorithm is applied to UAV path planning problem, thetransition-strategy of state makes a choice by the probability based only on inspiration factor andpheromone. It is easy to do a blind selection and it is difficult to quickly reach the target node. In thealgorithm of this paper, the guidance factor is introduced in the state transition strategy. By setting themaximum number of path, it solves the problem that the number of nodes is not fixed and it isdifficult to find the target nodes. Furthermore, random ant subgroup is introduced into the algorithmand it can expand the search space and increase the diversity of solutions to obtain more accuratesolution. The simulation results show that the performance of the improved algorithm is better thanthe original algorithm.
In addition, the pop-up threat may appear in the flight process of UAV, it’s necessary to generatethe new path quickly to avoid the threat. In order to meet the time limit, the algorithm must bereal-time, high efficiency. According to the characteristics of neighborhood search of Artificial BeeColony algorithm, path segment with sudden threats is considered as the lead path. Neighborhoodsearch is just done at the reference path section with sudden threats by following bee. It will not bedone at other reference path section. Therefore, we can obtain the optimal trajectory segment quickly,and replace the original path segment with Pop-up threat with a new reference trajectory. In thethroughout the flight, UAV determine path segments with the Pop-up threats based on threatinformation and modify the reference trajectory repeatedly until reaches the target node. Simulationresults show that: This Algorithm has more advantages in terms of local path modification than ACO algorithm.
To solve the problem of cooperative path planning for UAVs, two-stage planning algorithm isproposed. In this method, cooperative path planning is divided into route planning layer andcooperative planning layer. Among them, the path planning layer, candidate attack node is determinedby setting the attack angle of each UAV. The corresponding candidate optimal path set of is attainedby intelligent optimization algorithm. In cooperative planning layer, coordination functions andcoordination variables of each candidate path are designed. The cooperative solution with minimumcost is determined. Finally, two attack strategies，cooperative converge attacks and cooperative tookturns attacking， are researched separately. Simulation results show that: the global optimumalternation can be attained by the method and it can generate accurate path which meet requirementsof space-time collaboration.
UAV mobility constraints are not all taken into accounted during the Initial path planning, so theinitial path can only meet the tactical operations. But for the actual flight, it is often difficult to meetthe maneuverability performance constraints. Therefore, it is necessary to smooth the path and threenon-uniform B-spline curve interpolations are proposed to smooth the path. It will also ensure thatthere are no significant change between the old path and the smooth one. Two-dimensional andthree-dimensional initial paths are simulated. The results show that turning radius of the smoothedpath is greater than the minimum turning radius of the UAV. And the overall transition is natural;heading of the path has no mutations. The smooth path not only passes all the path nodes，but alsoapproaches the original path curve. Therefore, its comprehensive cost has no significant change bycontrasted with the original path.
Finally, since weight of indicator is often determined based on average and experience，it issubjective. This paper fully considers the relationships between each index, weights of them aredetermined according to objective method. Deviation maximization method and information entropyare introduced into solve weights. In addition, in optimizing decision-making of multiple solutions,interrelated system characteristics between various factors are further considered. Optimizationdecision-making system with multi-objective and multiple constraints is established. Gray relationalanalysis (GRA) is introduced to construct the optimization model of path planning programs. It isused to path planning problem to avoid the subjectivity and randomness of traditional method byexperience.
针对无人机航迹规划问题所需满足的约束条件，建立了无人机机动性能约束模型和威胁约束模型，其中前者包括最大航程、最大爬升角、最小转弯半径及最小步长；后者主要包括雷达、导弹、高炮、大气和地形等威胁模型。此外，考虑到无人机可以利用地形进行规避风险，因此将高度作为航迹综合代价之一。
标准蚁群算法应用到无人机航迹规划问题中，状态转移策略仅根据信息素及启发因子按概率选择，存在盲目选择且难以快速找到目标节点的问题。本文在标准蚁群算法的状态转移策略中引入导引因子，并通过设定最大航迹节点数，解决了标准蚁群算法难以找到目标节点的问题。此外，在蚁群算法中引入随机蚂蚁子群，可以扩大搜索空间并增加解的多样性，使得算法可以获得更精确的解。仿真结果表明：改进的算法较原算法具有一定的优势。
无人机实际飞行中如果存在突发威胁分布的情况，必须进行航迹重规划，以便规避威胁。为满足作战时效性，要求重规划所采用的算法必须具有实时、高效的特点。本文根据蜂群算法邻域搜索的特性，以参考航迹的突发威胁段作为引领蜂航迹，跟随蜂仅在参考航迹的突发威胁段进行邻域搜索，而不需要对整条航迹搜索，由此可以快速获得修正航迹段，并替换原突发威胁航迹段。整个飞行过程中，无人机根据获得的威胁信息，不断修正参考航迹，直至达到目标节点。仿真结果表明：该算法在局部航迹修正方面较蚁群算法有一定的优势。
针对无人机协同航迹规划问题提出两级规划算法。该方法将协同航迹规划划分为航迹规划层和协同规划层。其中，航迹规划层首先设置满足每架无人机攻击角度的攻击节点集，然后采用智能优化算法得到各候选节点的相应的候选最优航迹集；协同规划层通过设计不同无人机的候选航迹之间的协同变量和协同函数，确定各候选综合协同代价最小的方案。最后，分别对协同会聚攻击及协同轮流攻击两种攻击策略进行仿真，结果表明：该方法可以获得全局最优备选航迹方案集，并能准确生成符合时空协同要求的航迹。
无人机初始航迹规划仅考虑了部分无人机机动性能约束，所获得的航迹仅能满足战术运筹，难以满足飞行性能约束，因此必须进行航迹平滑。本文根据航迹平滑问题的参数分布不均匀的特点，为保证平滑后的航迹代价无显著变化，提出了基于三次非均匀B样条曲线插补的航迹平滑方法。仿真结果表明：采用本文算法平滑后的航迹转弯半径均大于无人机所允许的最小转弯半径，整体过渡自然，航向没有突变。该平滑航迹不但经过全部航迹节点，而且逼近原航迹曲线，因此航迹的综合代价较原航迹无显著变化。
最后，针对无人机航迹各代价权重在起初往往取平均值或根据经验来确定，存在主观性较大的缺陷，本文充分考虑各指标之间的关系，引入离差最大化法和信息熵法来求解权重。此外，在多个方案进行优选决策时，进一步考虑各因素之间相互关联的系统特性，引入灰色关联分析理论，构建无人机航迹规划方案的优选模型。最后，将此优选模型用于实际航迹规划问题，从航迹方案集中挑选出综合性能最优的航迹，避免了传统凭经验选型的主观性和随机性。
UAV path planning is to plan the flight path and meet the constraints. It is based on the missionand is a key component of UAV mission planning system. This paper is supported by the AviationScience Foundation (2009ZC52041). This paper studies mainly some key issues，include the UAVPath Planning, including UAV static path planning，path planning with pop-up threats，cooperativepath planning for UAVs and path smoothing.
To meet the constraints of path planning problem, the paper establishes the UAV dynamicconstraint models and the threat constraint models. The former includes the maximum range, themaximum angle of climb, the minimum turning radius and the smallest step. The latter includesterrain threat, radar threat, missile threats, artillery threat, and atmospheric threat. In addition, takingthe terrain into account to avoid the risk of UAV, so this paper regards height as one of the cost.
When the standard ACO algorithm is applied to UAV path planning problem, thetransition-strategy of state makes a choice by the probability based only on inspiration factor andpheromone. It is easy to do a blind selection and it is difficult to quickly reach the target node. In thealgorithm of this paper, the guidance factor is introduced in the state transition strategy. By setting themaximum number of path, it solves the problem that the number of nodes is not fixed and it isdifficult to find the target nodes. Furthermore, random ant subgroup is introduced into the algorithmand it can expand the search space and increase the diversity of solutions to obtain more accuratesolution. The simulation results show that the performance of the improved algorithm is better thanthe original algorithm.
In addition, the pop-up threat may appear in the flight process of UAV, it’s necessary to generatethe new path quickly to avoid the threat. In order to meet the time limit, the algorithm must bereal-time, high efficiency. According to the characteristics of neighborhood search of Artificial BeeColony algorithm, path segment with sudden threats is considered as the lead path. Neighborhoodsearch is just done at the reference path section with sudden threats by following bee. It will not bedone at other reference path section. Therefore, we can obtain the optimal trajectory segment quickly,and replace the original path segment with Pop-up threat with a new reference trajectory. In thethroughout the flight, UAV determine path segments with the Pop-up threats based on threatinformation and modify the reference trajectory repeatedly until reaches the target node. Simulationresults show that: This Algorithm has more advantages in terms of local path modification than ACO algorithm.
To solve the problem of cooperative path planning for UAVs, two-stage planning algorithm isproposed. In this method, cooperative path planning is divided into route planning layer andcooperative planning layer. Among them, the path planning layer, candidate attack node is determinedby setting the attack angle of each UAV. The corresponding candidate optimal path set of is attainedby intelligent optimization algorithm. In cooperative planning layer, coordination functions andcoordination variables of each candidate path are designed. The cooperative solution with minimumcost is determined. Finally, two attack strategies，cooperative converge attacks and cooperative tookturns attacking， are researched separately. Simulation results show that: the global optimumalternation can be attained by the method and it can generate accurate path which meet requirementsof space-time collaboration.
UAV mobility constraints are not all taken into accounted during the Initial path planning, so theinitial path can only meet the tactical operations. But for the actual flight, it is often difficult to meetthe maneuverability performance constraints. Therefore, it is necessary to smooth the path and threenon-uniform B-spline curve interpolations are proposed to smooth the path. It will also ensure thatthere are no significant change between the old path and the smooth one. Two-dimensional andthree-dimensional initial paths are simulated. The results show that turning radius of the smoothedpath is greater than the minimum turning radius of the UAV. And the overall transition is natural;heading of the path has no mutations. The smooth path not only passes all the path nodes，but alsoapproaches the original path curve. Therefore, its comprehensive cost has no significant change bycontrasted with the original path.
Finally, since weight of indicator is often determined based on average and experience，it issubjective. This paper fully considers the relationships between each index, weights of them aredetermined according to objective method. Deviation maximization method and information entropyare introduced into solve weights. In addition, in optimizing decision-making of multiple solutions,interrelated system characteristics between various factors are further considered. Optimizationdecision-making system with multi-objective and multiple constraints is established. Gray relationalanalysis (GRA) is introduced to construct the optimization model of path planning programs. It isused to path planning problem to avoid the subjectivity and randomness of traditional method byexperience.
引文
[1] Paul G Fahlstrom，Thomas J．Gleason著，吴汉平译．无人机系统导论[M]．北京：电子工业出版社，2003：26-30．
[2] INANC T，MUEZZINOGLU M K，MISOVEC K，et al. Framework for low-observabletrajectory generation in presence of multiple radars[J]. Journal of Guidance, Control, andDynamics,2008,31(6):1740–1749.
[3]郭宝录，李朝荣，乐洪宇．国外无人机技术的发展动向与分析[J]．舰船电子工程，2008，28(9)：46-49．
[4]李怡勇，沈怀荣，高飞．发展高空长航时无人机初探[J]．飞航导弹，2005，8：16-20．
[5] KIM Y，GU D W，POSTLETHWAITE I. Real-time path planning with limited information forautonomous unmanned air vehicles [J].Automatica,2008,44(3):696–712.
[6]甄云卉，路平．无人机相关技术与发展趋势[J]兵工自动化，2009，28(1)：14-16．
[7]龙涛，沈林成，朱华勇．面向协同任务的多分布式任务分配与协调技术[J]．自动化学报，2007，33（7）：731-737．
[8]郑昌文，严平，丁明跃，等．飞行器航迹规划研究现状与趋势[J]．宇航学报，2007，28(6):1441-1446．
[9]苏菲，陈岩，沈林成．基于蚁群算法的无人机协同多任务分配[J]．航空学报，2008，29：184-191．
[10]焦振江，王正平．基于改进蚁群算法的无人机航路规划[J]．航空计算技术，2006，36(4)：112-115．
[11]2005-2030年无人飞行器系统路线图[M]．美国国防部办公室，2005．
[12]王方玉．美国无人机的光电载荷与发展分析[J]．激光与红外，2008，38(4)：311-314．
[13]胡中华，赵敏，姚敏，等．无人机航迹规划研究及发展趋势[J]．航空电子技术，2009，40(2)：24-29．
[14]杨英．无人机的侦察、监视用有效载荷现况与发展动向[J]．飞航导弹，2007，1：38-41．
[15]白杰，杨根科，潘常春，等．基于改进分散搜索算法的无人机路径规划[J]．上海交通大学学报，2011,45(2):173-178.
[16] Denton R V，Pekelsma N，HagenM，etal．Guidance automation for nap of the earth [C]．In：Flight7th DA SC，1985．261-266．
[17]武善杰，郑征，蔡开元．基于行为协同和虚拟目标相结合的无人机实时航路规划[J].控制理论与应用，2011,28(1):131–136.
[18]高晖，陈欣，夏云程．无人机航路规划研究[J]．南京航空航天大学学报，2001，33(2)：135-138．
[19] S．Al-Hasan，G．Vachtsevanos．Intelligent Route Planning for Fast Autonomous VehiclesOperating in a Large natural Terrain[J]．Robotics and Autonomous Systems，2002，40:1-24．
[20] James L，Bander，Chelsea C．A Heuristic Search Algorithm for Path Determination withLearning [J]．IEEE Transaction Systems，Man，and Cybernetics，1998，28(1):11-13．
[21] Changwen Zheng，Lei Li，Fanjiang Xu．Evolutionary Route Planner for Unmanned AirVehicles [J]．IEEE Transactions on Robotics，2005，21(4):609-620．
[22] Stephane Mondo1loni．A Genetic Algorithm for Determining Optimal Flight Trajectories[J]．AIAA-98-4476，1998．
[23] Amin J N，Jovan D B，Raman KM．A fast and efficient approach to path planning forunmanned vehicles [R]．AIAA2006-6103，2006．
[24] Vachtsevanos G，Kim W．Autonomous vehicles：from flight control to mission planning usingfuzzy logic techniques[C]．The13th International Digital Signal Processing Conf，1997：977-981．
[25] Rathbun D，Kragelund S，Pongpunwattana A，et al．An evolution based path planningalgorithm for autonomous motion of a UAV through uncertain environments[J]． IEEETransactions on Aerospace and Electronic Systems，2002，38(2)：1-12．
[26] Shannon S T．Optimal path planning for single and multiple aircraft using a reduced orderformulation[D]． Georgia Institute of Technology， Doctor of Philosophy in AerospaceEngineering，2007．
[27] Lechevin N，Rabbath C A，LauzonM．Cooperative and deceptive planning of multi formationsof networked UCAVs in adversarial urban environments[R]．AIAA2007-6410，2007．
[28]柳长安，王和平，李为吉，等．基于遗传算法的无人机协同侦察航路规划[J]．火力与指挥控制，2003，1(1)：47-52．
[29]陈冬.基于粒子群优化算法的无人机航迹规划[D].硕士学位论文，西安，西北工业大学，2007．
[30]曾佳，申功璋，杨凌宇．无人机在线协同航迹规划时序问题[J]．南京航空航天大学学报，2009，41(3)：334-338．
[31]廖沫，陈宗基．基于满意决策的多机协同目标分配算法[J]．北京航空航天大学学报，2007，33(1)：81-85．
[32]王英勋，陈宗基．基于遗传算法(GA)的具有约束的飞行轨迹规划[J]．北京航空航天大学学报，1999，6（3）：355-358．
[33] Jing Tian，Lincheng Shen，Yanxing Zheng．Genetic Algorithm Based Approach for Multi-UAVCooperative Reconnaissance Mission Planning Problem[C]． International SymposiumonMethodologies for Intelligent systems(ISMIS2006)，LNAI4203，Springer，2006：101-110．
[34]郑昌文，丁明跃，周成平，等．一种飞行器在线航迹重规划算法[J]．华中科技大学学报(自然科学版)，2003，31(2)：90-113．
[35] S. J. Asseo. Terrain Following/Terrain Avoidance Using the Method of Steepest Descent
[C]．Proceedings of theNational Aerospace Electronics Conference，1988．
[36]马云红，周德云．基于遗传算法的无人机航路规划[J]．电光与控制，2005，12(5)：28-31．
[37]柳长安，王和平，李为吉，等．基于遗传算法的无人机协同侦察航路规划[J]．火力与指挥控制，2003，1(1)：47-52．
[38] Juris Vagners．Parallel Evolutionary Algorithms for UAV Path Planning[C]．AIAA IstIntelligent Systems Technical Conference．USA：AIAA2004-6230．
[39] Michalewicz Z.Genetic algorithm+data structure=evolutionary programs[M].3rd rev andextended ed.Berlin:Springer-Verlag,1996．
[40]王校锋，司守奎，孙玺菁．基于无人机航路规划的改进遗传算法研究[C]．第25届中国控制会议论文集，2006．
[41]任敏，霍霄华，沈林成．基于概率地图方法的无人飞行器快速航迹规划[J]．系统仿真学报，2008，20(z1)：486-489．
[42]周成平，陈前洋，秦筱．基于稀疏A*算法的三维航迹并行规划算法[J]．华中科技大学学报：自然科学版．2005，33(5)：42-45．
[43] Robert J．Szczerba．Danny Z．Chen．John J．Chran Jr．A gird-based approach for findingconditional shortest paths in an unknown environment．[Technical Report]：34-94，Departmentof Computer Science and Engineering，University of Notre Dame，Nov．1994．
[44]穆中林，鲁艺，任波，等．基于改进A*算法的无人机航路规划方法研究[J]．弹箭与制导学报，2007，27（1）：297-300．
[45] DORIGO M，GAMBARDELLA L M．Ant colony system： a cooperative learning approachto the traveling salesman problem [J]．IEEE Transon Evolutionary Computation，1997，1(1)：53-56．
[46]白俊强，柳长安．基于蚁群算法的无人机航路规划[J]．飞行力学．2005，23(2)：35-38．
[47]陈谋，肖健，姜长生．基于改进蚁群算法的无人机三维航路规划[J]．吉林大学学报（工学版）2008，38(04)：991-995．
[48]蒋定定，李万泉．基于改进蚁群算法的无人机侦察航路规划研究[J]．飞机设计，2008，28（2）：70-73．
[49]张庆捷，徐华，霍得森，等．基于改进蚁群算法的侦察无人机航路规划与实现[J].运筹与管理，2007，16(3)：97-112．
[50]任波，于雷，韩李勋．自适应蚁群算法的无人机航迹规划方法[J]．电光与控制，2007，14（6）：36-40．
[51] Ioannis K Nikolos，Kimon P Valavanis．Evolutionary Algorithm Based Offline/Online PathPlanner for UAV Navigation[J]．IEEE Transactions on system，man，and cybernetics-pan B：cybernetics，2003，33(6)：898-912．
[52] Robert J．Szczerba．Robust algorithm for real-time route planning[C]．IEEE Transactions onAerospace and Electronic Systems，2000，36(3)：869-878．
[53] Iris Hong Yangy，Yiyuan J Zhao．Real-time trajectory planning for autonomous aerospacevehicles amidst static obstacles[R]．AIAA-2002-3421，2002．
[54] James Doebble，Paul Gesting，John Valasek，et al．Real-Time Path Planning and TerrainObstacle Avoidance for General Aviation Aircraft [C]//AIAA Guidance，Navigation，andControl Conference．USA：AIAA，2005-5825．
[55] Stentz A． The focused D*algorithm for real-time replanning[C]． Proceedings of theInternational Joint Conference on Artificial Intelligence．1995．
[56]龙涛，苏菲，朱华勇．动态战场环境中无人机航迹规划方法研究[J]．宇航学报，2006，27(Z1)：24-28．
[57]严平，丁明跃，周成平．飞行器多任务在线实时航迹规划[J]．航空学报．2004，25(5):485-489．
[58] TREFFTZ C，SZAKAS J．Parallel algorithms to find the Voronoi diagram and the order-kVoronoi diagram [C]//Proceedings of the International Parallel and Distributed ProcessingSymposium (IPDPS’03)，2003．
[59]赵文婷，彭俊毅．基于VORONOI图的无人机航迹规划[J]．系统仿真学报，2006，18（S2）：159-162．
[60] McLain T W，Beard R W．Trajectory planning for coordinated rendezvous of unmanned airvehicles[C]. Proceedings of the AIAA Guidance，Navigation，and Control Conference，2000．
[61]叶媛媛，闵春平，沈林成，等．基于Voronoi图的无人机空域任务规划方法研究[J]．系统仿真学报，2005，6(6)：1353-1355．
[62] J．D．Wolfe，D．F．Chichka and J．L．Speyer，Decentralized Controllers for Unmanned AerialVehicles Formation Flight[C]. In Proceedings of the AIAA GNC Conference，1996．
[63] Gokham Inalham，Dusan M．Stipanovic，Claire J．Tomlin．Decentralized Optimization withApplication to Multiple Aircraft Coordination[C]. In the Proceedings of the41st IEEEConference on Decision and Control，Las Vegas，NV，2002．
[64] John Bellingham，Michael Tillerson，Arthur Richards et al．Multi-task Allocation and PathPlanning for Cooperating UAVs[C]. Cooperative Control： Models， Applications andAlgorithms at the Conference on Coordination，Control and Optimization，November2001．
[65] Arthur Richards，Jonathan P How．Aircraft trajectory planning with collision avoidance usingmixed integer linear programming[J]．Proceeding of the American Control Conference，2002，23(2)：10-13．
[66] McLain Timothy W，A Decomposition Strategy for Optimal Coordination of Unmanned AirVehicle[C]. Proceedings of the American Control Conference，2000．
[67] Madhavan Shanmugavel，Antonios Tsourdos，Brian White．Co-operative path planning ofmultiple UAVs using Dubins paths with clothoid arcs [J]．Control Engineering Practice，2009，ARTICLE IN PRESS．
[68] Yeonju Eun，Hyochoong Bang．Cooperative Task Assignment/Path Planning of MultipleUnmanned Aerial Vehicles Using Genetic Algorithms[J]．JOURNAL OF AIRCRAFT．2009，46(1)：338-343．
[69]宋绍梅，张克，关世义．基于层次分解策略的无人机多机协同航线规划方法研究[J]．战术导弹技术，2004，(1)：44-48．
[70]杨遵，雷虎民．一种多无人机协同侦察航路规划算法仿真[J]．系统仿真学报，2007，19(2)：433-436．
[71]贾秋玲，李广文，闫建国．基于遗传算法的多无人机协同逆推式路径规划[J]．西北工业大学学报，2007，25(4)：590-594．
[72]柳长安，王和平，李为吉，等．无人机的协同侦察航路规划[J]．火力与指挥控制，2004，29(2)：60-63．
[73]史战伟，周成平，丁明跃，等．基于进化计算的多无人飞行器协同航迹规划[J]．战术导弹技术，2007，(5)：49-53．
[74]叶媛媛，闵春平．多无人机协同航路规划的共同进化方法[J]．计算机仿真，2007，24(5)：37-40．
[75]杨华江，朱华勇，沈林成．一种基于Hopfield神经网络的TF/TA航迹规划算法[J]．航空计算技术，2006，36(5)：55-58．
[76]魏桥，赵英俊，俞群，田海林．改进粒子群算法的巡航导弹路径规划[J]．电光与控制，2008，15(3)：49-52．
[77]孙明君，史建国．多无人机航路重规划方法[J]．计算机应用，2009，29(5)：1840-1842．
[78]马云红，周德云．无人机路径规划算法与仿真[J]．火力与指挥控制，2007，32(6)：33-36．
[79]马向玲，叶文，范洪达．低空突防航路规划算法仿真研究[J]．系统仿真学报，2004，16(3)：458-464．
[80]刘丽峰，张树清，秦喜文．利用Voronoi图与GIS规划三维飞行航迹[J]．计算机工程与设计，2010，31(4)：805-808．
[81]张同法，于雷，鲁艺．无人机的协同侦察航路规划[J]．火力与指挥控制，2009，34(2)：143-145．
[82]郑昌文，李磊，徐帆江．基于进化计算的无人飞行器多航迹规划[J]．宇航学报，2005，26(2)：223-227．
[83]田亮，吴金荣，孙富春．基于遗传算法的飞行器多航迹规划[J]．计算机工程与应用，2006，41(31)：216-225．
[84]杨振强，高玉良，翁呈祥．基于LabVIEW的航向平滑方法研究[J]．空军雷达学院学报，2009，23(6)：408-410．
[85]李宏博，沈一鹰．一种基于航迹光滑滤波的目标跟踪方法[J]．现代雷达，2009，31(3)：43-47．
[86] Coons S A．Surfaces for computer aided design of space forms[R]．can1d Mass：MIT ProjectMAC-TR-255，1964．
[87] Brzier P E．Example of all existing system in motor industry：the UNISURF system[J]．ProcRoy Soc of London，1971，A321：207-218．
[88] De Boor C．On Calculating with B-Splines [J]．J Approx Theory，1972，(6)：50-62．
[89] Cox M．G．The numerical Evaluation of B-Splines[J]．J INST Maths Application，1972，10：134-149．
[90]张雪平，殷国富．基于层次灰色关联的产品绿色度评价研究[J]．中国电机工程学报，2005，25(17)：78-81．
[91]陈婀娜．基于灰色系统理论的数控机床选型决策[J]．微计算机信息，2006，22(18)：138-139．
[92]曹华军，刘飞，何彦，等．面向绿色制造的机床设备选择模型及其应用[J]．机械工程学报，2004，40(3)：26-29．
[93]鲍新中，张建斌，刘澄．基于粗糙集条件信息熵的权重确定方法[J]．中国管理科学，2009，(17)3:131-135．
[94]李清．综合低空飞行与突防系统研究[D]．南京：南京航空航天大学，1997．66-73．
[95]郭凤娟，张安，曹璐．自卫干扰对无人机敏感性的影响研究[J]．计算机工程与应用，2011，47（2）：220-222．
[96]张永芳，张安，张志禹，等．战术飞行路径规划算法[J]．交通运输工程学报，2006，6(4)：84-87．
[97]陈琳，白振兴．应用PSO算法的无人机三维航迹规划[J]．电光与控制，2008，15(4)：50-53．
[98]刘巍巍，赵红，王迎春．遗传算法在自动化仓库路径调度问题中的应用[J]．沈阳工业大学学报，2008，30(3)：338-360．
[99]屈耀红，潘泉，闫建国，等．无人机全局航路规划技术仿真[J]．系统仿真学报，2006，18(2)：278-281．
[100]严江江，丁明跃，周成平，等．一种基于可行优先的三维航迹规划方法[J]．宇航学报，2009，30(1)：139-144．
[101]朱向阳，李强．无人机航路规划与威胁源模型研究[J]．微计算机信息，2009，25(7)：170-179．
[102]高晓光杨有龙．基于不同威胁体的无人作战飞机初始路径规划[J]．航空学报，2003，24(5)：435-438．
[103]高永,向锦武.超视距多机协同空战目标分配算法[J].北京航空航天大学学报,2007,33(3):286-289.
[104]胡中华，赵敏，姚敏，等．无人机三维航迹规划问题约束及代价模型[C]．“尖兵之翼”第三届中国无人机大会，2010：465-473．
[105]洪晔，房建成．基于HMDP的无人机三维路径规划[J]．北京航空航天大学学报，2009，35(1)：100-103．
[106] Chen Mou，Wu Qingxian，Jiang Changsheng．A modified ant optimization algorithm forpath planning of UCAV[J]．Applied Soft Computation，2008，8(4)：1712-1718．
[107]谷良贤，温炳恒．导弹总体设计原理[M]．西安，西北工业大学出版社，2004．
[108]李向东，钱建平，曹兵，等．弹药概论[M]．北京，国防工业出版社，2004．
[109]夏洁，高金源．满足战场需求的实时飞行路径规划[J]．北京航空航天大学学报，2004，30(2)：95-99．
[110]李春华，周成平，丁明跃，等．动态环境中的飞行器实时三维航迹规划方法研究[J]．宇航学报，2003，24(1)：38-42．
[111]肖冰松,方洋旺,胡诗国,等.多机空战协同制导决策方法[J].系统工程与电子技术,2009,31(3):610-612.
[112]彭喜元，彭宇，戴毓丰．群智能理论及其应用[J]．电子学报，2003，31(12A)：1982-1987．
[113] Eric Bonabeau，Marco Dorigo，Guy Theraulaz．Swarm Intelligence：From Natural to ArtificialSystems [M]．Oxford University Press，1999．
[114] Kennedy J．Eberhart R C．Swarm Intelligence[M]．San Francisco：Morgan Kaufmann divisionof Academic Press，2001．
[115] Deneubourg J．L．，Aron S．，Goss S．，and Pasteels J．M．The self-organizing exploratorypattern of the argentine ant [J]，Journal of Insect Behavior，1990，3：159-168．
[116] Goss S．，Aron S．，Deneubourg L．，and Pasteels J．M．Self-organized shortcuts in the Argentineant [J]．Naturwissenschaften，1989，76：579-581．
[117] Watkins C．Learning with delayed rewards [D]．England：Psychology Department，Universityof Cambridge，1989．
[118] Pasteels J．M．，Deneubourg J．L．，and Goss S．Self-organization mechanisms in ant societies(I)：Trail recruitment to newly discovered food sources [J]．Experientia Supplementum，1987，54：155-175．
[119] Gambardella L．M．，and Dorigo M．Ant-Q：A reinforcement learning approach to the travelingsalesman problem[C]．In Proceedings of the Twelfth International Conference on MachineLearning (ML-95)．Palo Alto，CA：Morgan Kaufmann Publishers，1995．252-260．
[120]胡中华，赵敏，姚敏．引入导引因子蚁群算法的无人机二维航迹规划[J]．中国机械工程，2011，22(3)：322-325．
[121]沈海冰，黄攀峰，孟中杰，等．高超声速飞行器实时航迹规划研究[J]．系统仿真学报，2010，22(5)：1301-1308．
[122] Frisch，Karl von．The Dance Language and Orientation of Bees [M]．The Belknap Press ofHarvard University Press，Cambridge，Massachusetts，1967：566-578．
[123] Frisch，Karl von．Bees：Their Vision，Chemical Senses，and Language [M]．Cornell UniversityPress，Revised Edition，Ithaca，N．Y．，1976：157-164．
[124]胡中华，赵敏．基于人工蜂群算法的无人机航迹规划研究[J]．传感器与微系统，2010，29(3)：35-38．
[125] D．Karaboga，B．Basturk，A powerful and Efficient Algorithm for Numerical FunctionOptimization：Artificial Bee Colony (ABC) Algorithm[J]．Journal of Global Optimization，2007，39(3)：459-171．
[126] Seeley，Thomas D．The Wisdom of the Hive：The Social Physiology of Honey Bee Colonies
[M]．Harvard University Press．Cambridge，Massachusetts，1995：216-239．
[127] D．Teodorovic，M．Dell' Orco，Bee Colony Optimization-A cooperative learning approachto complex transportation problems[C]．The10th EWGT Meeting and16th Mini EUROConference，Poznan，2005．
[128] D．T．Pham，A．Ghanbarzadeh，E．Ko，S．Otri．The Bees Algorithm–A Novel Toolfor Complex Optimization Problems[C]．in Abstracts-of10th EWGT Meeting and17th MiniEURO Conference，Poznan，2006．
[129] Fathian M，Amiri B，Maroosi A．Application of honey bee mating optimization algorithm onclustering[J]．Applied Mathematics and Computation，doi：10．1016/j．amc．2007．
[130] D． Karaboga， B． Basturk， On The Performance Of Artificial Bee Colony (ABC)Algorithm[J]．Applied Soft Computing，2008，8（1）：687-697．
[131]熊伟清，魏平．二进制蚁群进化算法[J]．自动化学报，2007，33(3)：259-264．
[132]任博，潘景余，苏畅，等．不确定环境下的侦察无人机自主航路规划仿真[J]．电光与控制，2008，15(1)：31-46．
[133]杜萍，杨春．不确定环境中的飞行器航迹快速搜索算法[J]．军事运筹与系统工程，2006，20(2)：13-17．
[134] Joo Y H，Jun S K，Sang S L．A Fast Path Planning by Path Graph Optimization [J]．IEEETransactions on System，Man，and Cybernetics，2003，33(1)：121-128．
[135]刘月，刘文杰，刘敏，等．突发威胁下的航迹规划问题研究[J]．飞行力学，2009，27(5)：89-93．
[136]郑昌文，丁明跃，关世义，等．一种针对运动目标的飞行器航迹搜索算法[J]．宇航学报，2003，24(5)：444-450．
[137] Hu Zhong-hua，Zhao Min，Yao Min，etc．Track planning for unmanned aerial vehicles withunexpected threats algorithm based on two-level optimization algorithm． Journal ofComputational Information Systems．2010，6(7)：2167-2175．
[138] YANG Y，MINAI A A，POLYCARPOU M M．Decentralized cooperative search by networkedUAVs in an uncertain environment[C]．Proceedings of the2004American Control Conference，2004：5558-5563．
[139] FLINT M，FEMáNDEZ2GAUCHERAND E，POLYCARPOUM．Cooperative control forUAVs searching risky environments for targets[C]．Proc．of the42nd IEEE Conference onDecision and Control，2003：3567-3572．
[140]刘新，周成平，俞琪，等.基于分层策略的三维航迹快速规划方法[J]．宇航学报，2010，31(11)：2524-2529．
[141]钱正祥，王秉君，崔卫兵．无人飞行器航迹优化自校正控制技术[J]．仪器仪表学报，2003，24(z1)：324-326．
[142]刘毅，李为民，邢清华，徐小来．基于双层规划的攻击无人机协同目标分配优化[J]．系统工程与电子技术，2010，32(3)：579-583．
[143]刘森琪，段海滨，余亚翔．基于Voronoi图和蚁群优化算法的无人作战飞机航路规划[J]．系统仿真学报，2008，20(21)：5936-5939．
[144]彭建亮，戴通伟，孙秀霞，等．基于Voronoi图和遗传算法的航迹规划[J]．电光与控制，2009，16(3)：9-12
[145]肖秦琨，高晓光．基于空间改进型Voronoi图的无人机路径规划研究[J]．计算机工程与应用，2005(26)：204-207．
[146]王林，王楠，朱华勇，等．一种面向多无人机协同感知的分布式融合估计方法[J]．控制与决策，2010，25(6)：814-820．
[147]文元全，周锐，吴雯漫，等．异构多无人机协同目标跟踪分散化最优控制[J]．北京航空航天大学学报，2010，36(5)：545-549．
[148]刘跃峰，张安．有人机/无人机编队协同任务分配方法[J]．系统工程与电子技术，2010，32(3)：584-588．
[149] S．L．Chean，M．Doria，J．Chan，S．Parker，S，Goatley，Path planning and high levelcontrol of an unmanned aerial vehicle[D]. Ph．D．Thesis，Spring University of Sidney，Fall2002．
[150] GU Dawei，KAMAL W，POSTLETHWAITE I．A UAV waypoint generator[C]．AIAA1stIntelligent Systems Technical Conference，20-22September2004，Chicago，Illinois．2004，6227：1-6．
[151] J．Lee，R．Huang，A．Vaughn，X．Xiao，J．K．Hedrick，Strategies of path planning fora UAV to track a ground vehicle[C]．2nd Annual Symposium on Autonomous IntelligentNetworks and Systems，Bologna，Italy，June/July2003．
[152] R．Beard，D．Kingston，M．Quigley，D．Snyder，R．Christiansen，etal．Autonomous vehicletechnologies for small fixed wing UAV[J]． AIAA Journal of Aerospace Computing，Information，and Communication，2005，92-108．
[153] D． B． Kingston， Implementation issue of real-time trajectory generation of smallUAV[D]．Master Thesis，Birmingham Young University，2004．
[154] Jing Tian， Lincheng Shen， A multi-objective evolutionary algorithm for multi-UAVcooperative reconnaissance Problem[C]．NEURAL INFORMATION PROCESSING，PT3，LNCS4234.2006：900-909．
[155] McLain T．Cooperative path planning for timing critical missions [C]．Proceeding of theACC．Denver：IEEE，2003：296-301．
[156] Zhonghua Hu，Min Zhao，Min Yao．Cooperative Attack Path Planning for Unmanned AirVehicles Swarm Based on Grid Model and bi-level programming[J]．Journal of Informationand Computational Science．2011，8(4)：671-679．
[157]张昉．无人机任务规划技术研究[D]．硕士学位论文．南京，南京航空航天大学，2009．
[158]陈义保，姚建初，钟毅芳．基于灰色系统理论的多目标优化的一种策略[J]．机械工程学报，2003，39（1）：101-105．
[159]房亚，杜来红，和延立．蚁群算法及灰色理论在制造资源配置中的应用[J]．计算机集成制造系统，2009，15(4)：705-711．
[160]郭煌，郭建胜，惠晓滨，赵罡，邹卫国．灰色理论和模糊数学相结合的装备保障能力评估模型[J]．火力与指挥控制，2009，34（02）：75-78．
[161]王应明．运用离差最大化方法进行多指标决策与排序[J]．系统工程与电子技术，1998，20(7)：24-26．
[162]王明涛．多指标综合评价中权数确定的离差、均方差决策方法[J]．中国软科学，1999，8：100-103．
[163]陈华友．多属性决策中基于离差最大化的组合赋权方法[J]．系统工程与电子技术，2004，26(2)：194-197．
[164]李朝霞，牛文娟．系统多层次灰色熵优选理论及其应用[J]．系统工程理论与实践，2007，(08)：49-55．
[165] XU Zeshui．An approach to group decision making based on incomplete linguistic preferencerelations [J]．International Journal of Information Technology&Decision Making，2005，4(1)：153-60．
[166] SMITH J E， von WINTERFELDT D． Decision analysis in management science[J]．Management Science，2004，50(5)：561-574．
[167] Deng Julong，Binary Grey Relational Analysis (BGRA) Journal of grey system [J]．Journal ofgrey system，2009，21(03)：225-230．
[168] LIU Si-feng，LIN Yi．Grey information：theory and practical applications[M]．Spinger-VerlagLondon，2006，9-130．
[169]党耀国，刘思峰，刘斌，等．多指标区间数关联决策模型的研究[J]．南京航空航天大学学报，2004，36(3)：403-406．
[170] Rao C J，Peng J，Li C F，et al．Group Decision Making Model Based on Grey RelationalAnalysis[J]．Journal of grey system，2009，21(01)：15-24．
[171] Fan C K，Tsai H Y，Lee Y H．The selection of life insurance sales representatives trainingprogram by using the AHP and GRA[J]．The Journal of grey system，2008，20(2)：149-160．
[172] Zeng Qianglin，Xie Haiying，Dai Qihua．Grey Relational Analysis in Clinical AntibioticSelection[J]．Journal of grey system，2008，20(04)：311-318．
[173] Ren Shiyan，Zou Ningxin，Dong Jiahong，et al．Grey relational analysis of value of CA19-9levels in predictability of respectability of pancreatic canner．[J]．Journal of grey system，2008，20(03)：281-293．
[174]谢乃明，刘思峰．离散GM(1，1)模型与灰色预测模型建模机理[J]．系统工程理论与实践，2005，25(1)：93-99．
[175] Hu Zhong-hua，Zhao Min，Yao Min．Multi-objective and Multi-constrained UAV Path PlanOptimum Selection Based on GRA[J]．The Journal of grey system．2011，23(1)：35-46．
[176]王江涛，周泓．层次分析法在商业银行信息化绩效评价的应用[J]．北京航空航天大学学报(社会科学版)，2009，22（1）：14-17．
[2] INANC T，MUEZZINOGLU M K，MISOVEC K，et al. Framework for low-observabletrajectory generation in presence of multiple radars[J]. Journal of Guidance, Control, andDynamics,2008,31(6):1740–1749.
[3]郭宝录，李朝荣，乐洪宇．国外无人机技术的发展动向与分析[J]．舰船电子工程，2008，28(9)：46-49．
[4]李怡勇，沈怀荣，高飞．发展高空长航时无人机初探[J]．飞航导弹，2005，8：16-20．
[5] KIM Y，GU D W，POSTLETHWAITE I. Real-time path planning with limited information forautonomous unmanned air vehicles [J].Automatica,2008,44(3):696–712.
[6]甄云卉，路平．无人机相关技术与发展趋势[J]兵工自动化，2009，28(1)：14-16．
[7]龙涛，沈林成，朱华勇．面向协同任务的多分布式任务分配与协调技术[J]．自动化学报，2007，33（7）：731-737．
[8]郑昌文，严平，丁明跃，等．飞行器航迹规划研究现状与趋势[J]．宇航学报，2007，28(6):1441-1446．
[9]苏菲，陈岩，沈林成．基于蚁群算法的无人机协同多任务分配[J]．航空学报，2008，29：184-191．
[10]焦振江，王正平．基于改进蚁群算法的无人机航路规划[J]．航空计算技术，2006，36(4)：112-115．
[11]2005-2030年无人飞行器系统路线图[M]．美国国防部办公室，2005．
[12]王方玉．美国无人机的光电载荷与发展分析[J]．激光与红外，2008，38(4)：311-314．
[13]胡中华，赵敏，姚敏，等．无人机航迹规划研究及发展趋势[J]．航空电子技术，2009，40(2)：24-29．
[14]杨英．无人机的侦察、监视用有效载荷现况与发展动向[J]．飞航导弹，2007，1：38-41．
[15]白杰，杨根科，潘常春，等．基于改进分散搜索算法的无人机路径规划[J]．上海交通大学学报，2011,45(2):173-178.
[16] Denton R V，Pekelsma N，HagenM，etal．Guidance automation for nap of the earth [C]．In：Flight7th DA SC，1985．261-266．
[17]武善杰，郑征，蔡开元．基于行为协同和虚拟目标相结合的无人机实时航路规划[J].控制理论与应用，2011,28(1):131–136.
[18]高晖，陈欣，夏云程．无人机航路规划研究[J]．南京航空航天大学学报，2001，33(2)：135-138．
[19] S．Al-Hasan，G．Vachtsevanos．Intelligent Route Planning for Fast Autonomous VehiclesOperating in a Large natural Terrain[J]．Robotics and Autonomous Systems，2002，40:1-24．
[20] James L，Bander，Chelsea C．A Heuristic Search Algorithm for Path Determination withLearning [J]．IEEE Transaction Systems，Man，and Cybernetics，1998，28(1):11-13．
[21] Changwen Zheng，Lei Li，Fanjiang Xu．Evolutionary Route Planner for Unmanned AirVehicles [J]．IEEE Transactions on Robotics，2005，21(4):609-620．
[22] Stephane Mondo1loni．A Genetic Algorithm for Determining Optimal Flight Trajectories[J]．AIAA-98-4476，1998．
[23] Amin J N，Jovan D B，Raman KM．A fast and efficient approach to path planning forunmanned vehicles [R]．AIAA2006-6103，2006．
[24] Vachtsevanos G，Kim W．Autonomous vehicles：from flight control to mission planning usingfuzzy logic techniques[C]．The13th International Digital Signal Processing Conf，1997：977-981．
[25] Rathbun D，Kragelund S，Pongpunwattana A，et al．An evolution based path planningalgorithm for autonomous motion of a UAV through uncertain environments[J]． IEEETransactions on Aerospace and Electronic Systems，2002，38(2)：1-12．
[26] Shannon S T．Optimal path planning for single and multiple aircraft using a reduced orderformulation[D]． Georgia Institute of Technology， Doctor of Philosophy in AerospaceEngineering，2007．
[27] Lechevin N，Rabbath C A，LauzonM．Cooperative and deceptive planning of multi formationsof networked UCAVs in adversarial urban environments[R]．AIAA2007-6410，2007．
[28]柳长安，王和平，李为吉，等．基于遗传算法的无人机协同侦察航路规划[J]．火力与指挥控制，2003，1(1)：47-52．
[29]陈冬.基于粒子群优化算法的无人机航迹规划[D].硕士学位论文，西安，西北工业大学，2007．
[30]曾佳，申功璋，杨凌宇．无人机在线协同航迹规划时序问题[J]．南京航空航天大学学报，2009，41(3)：334-338．
[31]廖沫，陈宗基．基于满意决策的多机协同目标分配算法[J]．北京航空航天大学学报，2007，33(1)：81-85．
[32]王英勋，陈宗基．基于遗传算法(GA)的具有约束的飞行轨迹规划[J]．北京航空航天大学学报，1999，6（3）：355-358．
[33] Jing Tian，Lincheng Shen，Yanxing Zheng．Genetic Algorithm Based Approach for Multi-UAVCooperative Reconnaissance Mission Planning Problem[C]． International SymposiumonMethodologies for Intelligent systems(ISMIS2006)，LNAI4203，Springer，2006：101-110．
[34]郑昌文，丁明跃，周成平，等．一种飞行器在线航迹重规划算法[J]．华中科技大学学报(自然科学版)，2003，31(2)：90-113．
[35] S. J. Asseo. Terrain Following/Terrain Avoidance Using the Method of Steepest Descent
[C]．Proceedings of theNational Aerospace Electronics Conference，1988．
[36]马云红，周德云．基于遗传算法的无人机航路规划[J]．电光与控制，2005，12(5)：28-31．
[37]柳长安，王和平，李为吉，等．基于遗传算法的无人机协同侦察航路规划[J]．火力与指挥控制，2003，1(1)：47-52．
[38] Juris Vagners．Parallel Evolutionary Algorithms for UAV Path Planning[C]．AIAA IstIntelligent Systems Technical Conference．USA：AIAA2004-6230．
[39] Michalewicz Z.Genetic algorithm+data structure=evolutionary programs[M].3rd rev andextended ed.Berlin:Springer-Verlag,1996．
[40]王校锋，司守奎，孙玺菁．基于无人机航路规划的改进遗传算法研究[C]．第25届中国控制会议论文集，2006．
[41]任敏，霍霄华，沈林成．基于概率地图方法的无人飞行器快速航迹规划[J]．系统仿真学报，2008，20(z1)：486-489．
[42]周成平，陈前洋，秦筱．基于稀疏A*算法的三维航迹并行规划算法[J]．华中科技大学学报：自然科学版．2005，33(5)：42-45．
[43] Robert J．Szczerba．Danny Z．Chen．John J．Chran Jr．A gird-based approach for findingconditional shortest paths in an unknown environment．[Technical Report]：34-94，Departmentof Computer Science and Engineering，University of Notre Dame，Nov．1994．
[44]穆中林，鲁艺，任波，等．基于改进A*算法的无人机航路规划方法研究[J]．弹箭与制导学报，2007，27（1）：297-300．
[45] DORIGO M，GAMBARDELLA L M．Ant colony system： a cooperative learning approachto the traveling salesman problem [J]．IEEE Transon Evolutionary Computation，1997，1(1)：53-56．
[46]白俊强，柳长安．基于蚁群算法的无人机航路规划[J]．飞行力学．2005，23(2)：35-38．
[47]陈谋，肖健，姜长生．基于改进蚁群算法的无人机三维航路规划[J]．吉林大学学报（工学版）2008，38(04)：991-995．
[48]蒋定定，李万泉．基于改进蚁群算法的无人机侦察航路规划研究[J]．飞机设计，2008，28（2）：70-73．
[49]张庆捷，徐华，霍得森，等．基于改进蚁群算法的侦察无人机航路规划与实现[J].运筹与管理，2007，16(3)：97-112．
[50]任波，于雷，韩李勋．自适应蚁群算法的无人机航迹规划方法[J]．电光与控制，2007，14（6）：36-40．
[51] Ioannis K Nikolos，Kimon P Valavanis．Evolutionary Algorithm Based Offline/Online PathPlanner for UAV Navigation[J]．IEEE Transactions on system，man，and cybernetics-pan B：cybernetics，2003，33(6)：898-912．
[52] Robert J．Szczerba．Robust algorithm for real-time route planning[C]．IEEE Transactions onAerospace and Electronic Systems，2000，36(3)：869-878．
[53] Iris Hong Yangy，Yiyuan J Zhao．Real-time trajectory planning for autonomous aerospacevehicles amidst static obstacles[R]．AIAA-2002-3421，2002．
[54] James Doebble，Paul Gesting，John Valasek，et al．Real-Time Path Planning and TerrainObstacle Avoidance for General Aviation Aircraft [C]//AIAA Guidance，Navigation，andControl Conference．USA：AIAA，2005-5825．
[55] Stentz A． The focused D*algorithm for real-time replanning[C]． Proceedings of theInternational Joint Conference on Artificial Intelligence．1995．
[56]龙涛，苏菲，朱华勇．动态战场环境中无人机航迹规划方法研究[J]．宇航学报，2006，27(Z1)：24-28．
[57]严平，丁明跃，周成平．飞行器多任务在线实时航迹规划[J]．航空学报．2004，25(5):485-489．
[58] TREFFTZ C，SZAKAS J．Parallel algorithms to find the Voronoi diagram and the order-kVoronoi diagram [C]//Proceedings of the International Parallel and Distributed ProcessingSymposium (IPDPS’03)，2003．
[59]赵文婷，彭俊毅．基于VORONOI图的无人机航迹规划[J]．系统仿真学报，2006，18（S2）：159-162．
[60] McLain T W，Beard R W．Trajectory planning for coordinated rendezvous of unmanned airvehicles[C]. Proceedings of the AIAA Guidance，Navigation，and Control Conference，2000．
[61]叶媛媛，闵春平，沈林成，等．基于Voronoi图的无人机空域任务规划方法研究[J]．系统仿真学报，2005，6(6)：1353-1355．
[62] J．D．Wolfe，D．F．Chichka and J．L．Speyer，Decentralized Controllers for Unmanned AerialVehicles Formation Flight[C]. In Proceedings of the AIAA GNC Conference，1996．
[63] Gokham Inalham，Dusan M．Stipanovic，Claire J．Tomlin．Decentralized Optimization withApplication to Multiple Aircraft Coordination[C]. In the Proceedings of the41st IEEEConference on Decision and Control，Las Vegas，NV，2002．
[64] John Bellingham，Michael Tillerson，Arthur Richards et al．Multi-task Allocation and PathPlanning for Cooperating UAVs[C]. Cooperative Control： Models， Applications andAlgorithms at the Conference on Coordination，Control and Optimization，November2001．
[65] Arthur Richards，Jonathan P How．Aircraft trajectory planning with collision avoidance usingmixed integer linear programming[J]．Proceeding of the American Control Conference，2002，23(2)：10-13．
[66] McLain Timothy W，A Decomposition Strategy for Optimal Coordination of Unmanned AirVehicle[C]. Proceedings of the American Control Conference，2000．
[67] Madhavan Shanmugavel，Antonios Tsourdos，Brian White．Co-operative path planning ofmultiple UAVs using Dubins paths with clothoid arcs [J]．Control Engineering Practice，2009，ARTICLE IN PRESS．
[68] Yeonju Eun，Hyochoong Bang．Cooperative Task Assignment/Path Planning of MultipleUnmanned Aerial Vehicles Using Genetic Algorithms[J]．JOURNAL OF AIRCRAFT．2009，46(1)：338-343．
[69]宋绍梅，张克，关世义．基于层次分解策略的无人机多机协同航线规划方法研究[J]．战术导弹技术，2004，(1)：44-48．
[70]杨遵，雷虎民．一种多无人机协同侦察航路规划算法仿真[J]．系统仿真学报，2007，19(2)：433-436．
[71]贾秋玲，李广文，闫建国．基于遗传算法的多无人机协同逆推式路径规划[J]．西北工业大学学报，2007，25(4)：590-594．
[72]柳长安，王和平，李为吉，等．无人机的协同侦察航路规划[J]．火力与指挥控制，2004，29(2)：60-63．
[73]史战伟，周成平，丁明跃，等．基于进化计算的多无人飞行器协同航迹规划[J]．战术导弹技术，2007，(5)：49-53．
[74]叶媛媛，闵春平．多无人机协同航路规划的共同进化方法[J]．计算机仿真，2007，24(5)：37-40．
[75]杨华江，朱华勇，沈林成．一种基于Hopfield神经网络的TF/TA航迹规划算法[J]．航空计算技术，2006，36(5)：55-58．
[76]魏桥，赵英俊，俞群，田海林．改进粒子群算法的巡航导弹路径规划[J]．电光与控制，2008，15(3)：49-52．
[77]孙明君，史建国．多无人机航路重规划方法[J]．计算机应用，2009，29(5)：1840-1842．
[78]马云红，周德云．无人机路径规划算法与仿真[J]．火力与指挥控制，2007，32(6)：33-36．
[79]马向玲，叶文，范洪达．低空突防航路规划算法仿真研究[J]．系统仿真学报，2004，16(3)：458-464．
[80]刘丽峰，张树清，秦喜文．利用Voronoi图与GIS规划三维飞行航迹[J]．计算机工程与设计，2010，31(4)：805-808．
[81]张同法，于雷，鲁艺．无人机的协同侦察航路规划[J]．火力与指挥控制，2009，34(2)：143-145．
[82]郑昌文，李磊，徐帆江．基于进化计算的无人飞行器多航迹规划[J]．宇航学报，2005，26(2)：223-227．
[83]田亮，吴金荣，孙富春．基于遗传算法的飞行器多航迹规划[J]．计算机工程与应用，2006，41(31)：216-225．
[84]杨振强，高玉良，翁呈祥．基于LabVIEW的航向平滑方法研究[J]．空军雷达学院学报，2009，23(6)：408-410．
[85]李宏博，沈一鹰．一种基于航迹光滑滤波的目标跟踪方法[J]．现代雷达，2009，31(3)：43-47．
[86] Coons S A．Surfaces for computer aided design of space forms[R]．can1d Mass：MIT ProjectMAC-TR-255，1964．
[87] Brzier P E．Example of all existing system in motor industry：the UNISURF system[J]．ProcRoy Soc of London，1971，A321：207-218．
[88] De Boor C．On Calculating with B-Splines [J]．J Approx Theory，1972，(6)：50-62．
[89] Cox M．G．The numerical Evaluation of B-Splines[J]．J INST Maths Application，1972，10：134-149．
[90]张雪平，殷国富．基于层次灰色关联的产品绿色度评价研究[J]．中国电机工程学报，2005，25(17)：78-81．
[91]陈婀娜．基于灰色系统理论的数控机床选型决策[J]．微计算机信息，2006，22(18)：138-139．
[92]曹华军，刘飞，何彦，等．面向绿色制造的机床设备选择模型及其应用[J]．机械工程学报，2004，40(3)：26-29．
[93]鲍新中，张建斌，刘澄．基于粗糙集条件信息熵的权重确定方法[J]．中国管理科学，2009，(17)3:131-135．
[94]李清．综合低空飞行与突防系统研究[D]．南京：南京航空航天大学，1997．66-73．
[95]郭凤娟，张安，曹璐．自卫干扰对无人机敏感性的影响研究[J]．计算机工程与应用，2011，47（2）：220-222．
[96]张永芳，张安，张志禹，等．战术飞行路径规划算法[J]．交通运输工程学报，2006，6(4)：84-87．
[97]陈琳，白振兴．应用PSO算法的无人机三维航迹规划[J]．电光与控制，2008，15(4)：50-53．
[98]刘巍巍，赵红，王迎春．遗传算法在自动化仓库路径调度问题中的应用[J]．沈阳工业大学学报，2008，30(3)：338-360．
[99]屈耀红，潘泉，闫建国，等．无人机全局航路规划技术仿真[J]．系统仿真学报，2006，18(2)：278-281．
[100]严江江，丁明跃，周成平，等．一种基于可行优先的三维航迹规划方法[J]．宇航学报，2009，30(1)：139-144．
[101]朱向阳，李强．无人机航路规划与威胁源模型研究[J]．微计算机信息，2009，25(7)：170-179．
[102]高晓光杨有龙．基于不同威胁体的无人作战飞机初始路径规划[J]．航空学报，2003，24(5)：435-438．
[103]高永,向锦武.超视距多机协同空战目标分配算法[J].北京航空航天大学学报,2007,33(3):286-289.
[104]胡中华，赵敏，姚敏，等．无人机三维航迹规划问题约束及代价模型[C]．“尖兵之翼”第三届中国无人机大会，2010：465-473．
[105]洪晔，房建成．基于HMDP的无人机三维路径规划[J]．北京航空航天大学学报，2009，35(1)：100-103．
[106] Chen Mou，Wu Qingxian，Jiang Changsheng．A modified ant optimization algorithm forpath planning of UCAV[J]．Applied Soft Computation，2008，8(4)：1712-1718．
[107]谷良贤，温炳恒．导弹总体设计原理[M]．西安，西北工业大学出版社，2004．
[108]李向东，钱建平，曹兵，等．弹药概论[M]．北京，国防工业出版社，2004．
[109]夏洁，高金源．满足战场需求的实时飞行路径规划[J]．北京航空航天大学学报，2004，30(2)：95-99．
[110]李春华，周成平，丁明跃，等．动态环境中的飞行器实时三维航迹规划方法研究[J]．宇航学报，2003，24(1)：38-42．
[111]肖冰松,方洋旺,胡诗国,等.多机空战协同制导决策方法[J].系统工程与电子技术,2009,31(3):610-612.
[112]彭喜元，彭宇，戴毓丰．群智能理论及其应用[J]．电子学报，2003，31(12A)：1982-1987．
[113] Eric Bonabeau，Marco Dorigo，Guy Theraulaz．Swarm Intelligence：From Natural to ArtificialSystems [M]．Oxford University Press，1999．
[114] Kennedy J．Eberhart R C．Swarm Intelligence[M]．San Francisco：Morgan Kaufmann divisionof Academic Press，2001．
[115] Deneubourg J．L．，Aron S．，Goss S．，and Pasteels J．M．The self-organizing exploratorypattern of the argentine ant [J]，Journal of Insect Behavior，1990，3：159-168．
[116] Goss S．，Aron S．，Deneubourg L．，and Pasteels J．M．Self-organized shortcuts in the Argentineant [J]．Naturwissenschaften，1989，76：579-581．
[117] Watkins C．Learning with delayed rewards [D]．England：Psychology Department，Universityof Cambridge，1989．
[118] Pasteels J．M．，Deneubourg J．L．，and Goss S．Self-organization mechanisms in ant societies(I)：Trail recruitment to newly discovered food sources [J]．Experientia Supplementum，1987，54：155-175．
[119] Gambardella L．M．，and Dorigo M．Ant-Q：A reinforcement learning approach to the travelingsalesman problem[C]．In Proceedings of the Twelfth International Conference on MachineLearning (ML-95)．Palo Alto，CA：Morgan Kaufmann Publishers，1995．252-260．
[120]胡中华，赵敏，姚敏．引入导引因子蚁群算法的无人机二维航迹规划[J]．中国机械工程，2011，22(3)：322-325．
[121]沈海冰，黄攀峰，孟中杰，等．高超声速飞行器实时航迹规划研究[J]．系统仿真学报，2010，22(5)：1301-1308．
[122] Frisch，Karl von．The Dance Language and Orientation of Bees [M]．The Belknap Press ofHarvard University Press，Cambridge，Massachusetts，1967：566-578．
[123] Frisch，Karl von．Bees：Their Vision，Chemical Senses，and Language [M]．Cornell UniversityPress，Revised Edition，Ithaca，N．Y．，1976：157-164．
[124]胡中华，赵敏．基于人工蜂群算法的无人机航迹规划研究[J]．传感器与微系统，2010，29(3)：35-38．
[125] D．Karaboga，B．Basturk，A powerful and Efficient Algorithm for Numerical FunctionOptimization：Artificial Bee Colony (ABC) Algorithm[J]．Journal of Global Optimization，2007，39(3)：459-171．
[126] Seeley，Thomas D．The Wisdom of the Hive：The Social Physiology of Honey Bee Colonies
[M]．Harvard University Press．Cambridge，Massachusetts，1995：216-239．
[127] D．Teodorovic，M．Dell' Orco，Bee Colony Optimization-A cooperative learning approachto complex transportation problems[C]．The10th EWGT Meeting and16th Mini EUROConference，Poznan，2005．
[128] D．T．Pham，A．Ghanbarzadeh，E．Ko，S．Otri．The Bees Algorithm–A Novel Toolfor Complex Optimization Problems[C]．in Abstracts-of10th EWGT Meeting and17th MiniEURO Conference，Poznan，2006．
[129] Fathian M，Amiri B，Maroosi A．Application of honey bee mating optimization algorithm onclustering[J]．Applied Mathematics and Computation，doi：10．1016/j．amc．2007．
[130] D． Karaboga， B． Basturk， On The Performance Of Artificial Bee Colony (ABC)Algorithm[J]．Applied Soft Computing，2008，8（1）：687-697．
[131]熊伟清，魏平．二进制蚁群进化算法[J]．自动化学报，2007，33(3)：259-264．
[132]任博，潘景余，苏畅，等．不确定环境下的侦察无人机自主航路规划仿真[J]．电光与控制，2008，15(1)：31-46．
[133]杜萍，杨春．不确定环境中的飞行器航迹快速搜索算法[J]．军事运筹与系统工程，2006，20(2)：13-17．
[134] Joo Y H，Jun S K，Sang S L．A Fast Path Planning by Path Graph Optimization [J]．IEEETransactions on System，Man，and Cybernetics，2003，33(1)：121-128．
[135]刘月，刘文杰，刘敏，等．突发威胁下的航迹规划问题研究[J]．飞行力学，2009，27(5)：89-93．
[136]郑昌文，丁明跃，关世义，等．一种针对运动目标的飞行器航迹搜索算法[J]．宇航学报，2003，24(5)：444-450．
[137] Hu Zhong-hua，Zhao Min，Yao Min，etc．Track planning for unmanned aerial vehicles withunexpected threats algorithm based on two-level optimization algorithm． Journal ofComputational Information Systems．2010，6(7)：2167-2175．
[138] YANG Y，MINAI A A，POLYCARPOU M M．Decentralized cooperative search by networkedUAVs in an uncertain environment[C]．Proceedings of the2004American Control Conference，2004：5558-5563．
[139] FLINT M，FEMáNDEZ2GAUCHERAND E，POLYCARPOUM．Cooperative control forUAVs searching risky environments for targets[C]．Proc．of the42nd IEEE Conference onDecision and Control，2003：3567-3572．
[140]刘新，周成平，俞琪，等.基于分层策略的三维航迹快速规划方法[J]．宇航学报，2010，31(11)：2524-2529．
[141]钱正祥，王秉君，崔卫兵．无人飞行器航迹优化自校正控制技术[J]．仪器仪表学报，2003，24(z1)：324-326．
[142]刘毅，李为民，邢清华，徐小来．基于双层规划的攻击无人机协同目标分配优化[J]．系统工程与电子技术，2010，32(3)：579-583．
[143]刘森琪，段海滨，余亚翔．基于Voronoi图和蚁群优化算法的无人作战飞机航路规划[J]．系统仿真学报，2008，20(21)：5936-5939．
[144]彭建亮，戴通伟，孙秀霞，等．基于Voronoi图和遗传算法的航迹规划[J]．电光与控制，2009，16(3)：9-12
[145]肖秦琨，高晓光．基于空间改进型Voronoi图的无人机路径规划研究[J]．计算机工程与应用，2005(26)：204-207．
[146]王林，王楠，朱华勇，等．一种面向多无人机协同感知的分布式融合估计方法[J]．控制与决策，2010，25(6)：814-820．
[147]文元全，周锐，吴雯漫，等．异构多无人机协同目标跟踪分散化最优控制[J]．北京航空航天大学学报，2010，36(5)：545-549．
[148]刘跃峰，张安．有人机/无人机编队协同任务分配方法[J]．系统工程与电子技术，2010，32(3)：584-588．
[149] S．L．Chean，M．Doria，J．Chan，S．Parker，S，Goatley，Path planning and high levelcontrol of an unmanned aerial vehicle[D]. Ph．D．Thesis，Spring University of Sidney，Fall2002．
[150] GU Dawei，KAMAL W，POSTLETHWAITE I．A UAV waypoint generator[C]．AIAA1stIntelligent Systems Technical Conference，20-22September2004，Chicago，Illinois．2004，6227：1-6．
[151] J．Lee，R．Huang，A．Vaughn，X．Xiao，J．K．Hedrick，Strategies of path planning fora UAV to track a ground vehicle[C]．2nd Annual Symposium on Autonomous IntelligentNetworks and Systems，Bologna，Italy，June/July2003．
[152] R．Beard，D．Kingston，M．Quigley，D．Snyder，R．Christiansen，etal．Autonomous vehicletechnologies for small fixed wing UAV[J]． AIAA Journal of Aerospace Computing，Information，and Communication，2005，92-108．
[153] D． B． Kingston， Implementation issue of real-time trajectory generation of smallUAV[D]．Master Thesis，Birmingham Young University，2004．
[154] Jing Tian， Lincheng Shen， A multi-objective evolutionary algorithm for multi-UAVcooperative reconnaissance Problem[C]．NEURAL INFORMATION PROCESSING，PT3，LNCS4234.2006：900-909．
[155] McLain T．Cooperative path planning for timing critical missions [C]．Proceeding of theACC．Denver：IEEE，2003：296-301．
[156] Zhonghua Hu，Min Zhao，Min Yao．Cooperative Attack Path Planning for Unmanned AirVehicles Swarm Based on Grid Model and bi-level programming[J]．Journal of Informationand Computational Science．2011，8(4)：671-679．
[157]张昉．无人机任务规划技术研究[D]．硕士学位论文．南京，南京航空航天大学，2009．
[158]陈义保，姚建初，钟毅芳．基于灰色系统理论的多目标优化的一种策略[J]．机械工程学报，2003，39（1）：101-105．
[159]房亚，杜来红，和延立．蚁群算法及灰色理论在制造资源配置中的应用[J]．计算机集成制造系统，2009，15(4)：705-711．
[160]郭煌，郭建胜，惠晓滨，赵罡，邹卫国．灰色理论和模糊数学相结合的装备保障能力评估模型[J]．火力与指挥控制，2009，34（02）：75-78．
[161]王应明．运用离差最大化方法进行多指标决策与排序[J]．系统工程与电子技术，1998，20(7)：24-26．
[162]王明涛．多指标综合评价中权数确定的离差、均方差决策方法[J]．中国软科学，1999，8：100-103．
[163]陈华友．多属性决策中基于离差最大化的组合赋权方法[J]．系统工程与电子技术，2004，26(2)：194-197．
[164]李朝霞，牛文娟．系统多层次灰色熵优选理论及其应用[J]．系统工程理论与实践，2007，(08)：49-55．
[165] XU Zeshui．An approach to group decision making based on incomplete linguistic preferencerelations [J]．International Journal of Information Technology&Decision Making，2005，4(1)：153-60．
[166] SMITH J E， von WINTERFELDT D． Decision analysis in management science[J]．Management Science，2004，50(5)：561-574．
[167] Deng Julong，Binary Grey Relational Analysis (BGRA) Journal of grey system [J]．Journal ofgrey system，2009，21(03)：225-230．
[168] LIU Si-feng，LIN Yi．Grey information：theory and practical applications[M]．Spinger-VerlagLondon，2006，9-130．
[169]党耀国，刘思峰，刘斌，等．多指标区间数关联决策模型的研究[J]．南京航空航天大学学报，2004，36(3)：403-406．
[170] Rao C J，Peng J，Li C F，et al．Group Decision Making Model Based on Grey RelationalAnalysis[J]．Journal of grey system，2009，21(01)：15-24．
[171] Fan C K，Tsai H Y，Lee Y H．The selection of life insurance sales representatives trainingprogram by using the AHP and GRA[J]．The Journal of grey system，2008，20(2)：149-160．
[172] Zeng Qianglin，Xie Haiying，Dai Qihua．Grey Relational Analysis in Clinical AntibioticSelection[J]．Journal of grey system，2008，20(04)：311-318．
[173] Ren Shiyan，Zou Ningxin，Dong Jiahong，et al．Grey relational analysis of value of CA19-9levels in predictability of respectability of pancreatic canner．[J]．Journal of grey system，2008，20(03)：281-293．
[174]谢乃明，刘思峰．离散GM(1，1)模型与灰色预测模型建模机理[J]．系统工程理论与实践，2005，25(1)：93-99．
[175] Hu Zhong-hua，Zhao Min，Yao Min．Multi-objective and Multi-constrained UAV Path PlanOptimum Selection Based on GRA[J]．The Journal of grey system．2011，23(1)：35-46．
[176]王江涛，周泓．层次分析法在商业银行信息化绩效评价的应用[J]．北京航空航天大学学报(社会科学版)，2009，22（1）：14-17．