• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Smart Cities Conference >Minimum Time Search in Unmanned Aerial Vehicles using Ant Colony Optimisation based Realistic Scenarios
【24h】

Minimum Time Search in Unmanned Aerial Vehicles using Ant Colony Optimisation based Realistic Scenarios

机译：基于蚁群优化的现实场景在无人机上的最小时间搜索

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Unmanned aerial vehicles (UAV), or drones, are aircrafts without a human pilot on board. UAVs find a target in minimum time using Minimum Time Search (MTS) methods. Different optimisation paradigms, such as cross-entropy optimisation (CEO) and ant-colony optimisation (ACO) can be used for MTS. In this work, a set of simulation scenarios has been designed to test the ACO solution to the MTS problem. Simulations performed for each scenario take into account a heuristic function and its effect on the probability of detection of target and estimated time for detection. The results obtained for various scenarios based on external and internal factors in UAV trajectory planning (size of search grid, target distribution, etc.) are compared to categorise the best set of such factors across four input domains. Results show a huge variance in the role played by the heuristic function and choice of feature thresholds for each scenario.
机译：无人飞行器（UAV）或无人驾驶飞机是指没有人员驾驶的飞机。无人机使用最短时间搜索（MTS）方法在最短时间内找到目标。 MTS可以使用不同的优化范例，例如交叉熵优化（CEO）和蚁群优化（ACO）。在这项工作中，已设计了一组模拟方案来测试ACO解决MTS问题的方法。针对每种情况执行的仿真均考虑了启发式函数及其对目标检测概率和估计检测时间的影响。比较基于无人机轨迹规划中的外部和内部因素（搜索网格的大小，目标分布等）的各种情况下获得的结果，以在四个输入域中对此类因素的最佳集合进行分类。结果表明，在每种情况下，启发式功能和功能阈值的选择在角色扮演中均存在巨大差异。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号