计算机工程

作者：曹家敏, 付琦玮, 周丘实, 秦筱楲, 蔡超

单位：1. 华中科技大学 人工智能与自动化学院 多谱信息处理技术国家级重点实验室, 武汉 430074;2. 北京机电工程研究所, 北京 100074

关键词：规划策略,策略学习,样本分类,XGBoost算法,K-prototypes算法

基金：天津市智能遥感信息处理技术企业重点实验室开放基金（2016-ZW-KFJJ-01）。

分析并研究航迹规划软件中的飞行器操作数据特征，提出一种基于XGBoost算法和K-prototypes算法的航迹规划策略学习方法。在样本采集与分类过程中，根据约束自身特性和规划人员操作特征，将约束分为飞行器环境约束和飞行器特性相关约束，分别采用XGBoost算法和K-prototypes算法进行策略学习，并对飞行器特性相关约束做进一步细分，实现复杂约束的针对性学习及样本分类管理。当航迹不满足约束时，需将已获得的规划策略反馈给规划人员使其得到策略引导。实验结果表明，该方法能准确选取航迹规划策略并给出策略引导信息，降低规划人员的工作强度，提升交互规划效率和规划软件的智能性。

来源：2020年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第5期