导弹作为一种进攻性武器,是突破敌方防御系统进行有效打击的重要手段,同时也是敌方防御的重点。因此有必要对导弹的航迹进行规划,使其能够避开敌方侦察设备。航迹规划是指在特定约束条件下,寻找运动体从初始点到目标点满足某种性能指标最优的运动轨迹。导弹低空突防航迹规划的目的就是要利用地形和敌情等信息,规划出导弹生存概率和航程综合指标最优的突防航迹。蚁群优化(ACO)算法是一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索。本文将蚁群算法应用于导弹低空突防航迹规划中,并编写程序进行了仿真研究。仿真结果表明虽然原始蚁群算法能够在有限时间内找出较好航迹,但存在搜索时间长、收敛速度慢、易陷入局部最优解等问题。本文针对原始蚁群算法在航迹规划问题中存在的问题,提出了融入Voronoi算法的蚁群算法,对蚁群算法进行改进。对改进后的蚁群算法进行仿真计算研究,仿真结果验证了改进方法能够有效缩短收敛时间、加快收敛速度。改进算法克服算法自身不足,提高了算法性能。本文最后对导弹飞行过程中实时路径重规划进行了仿真研究。在导弹飞行过程中加入新感知的威胁区域,考察算法航迹实时重规划能力。仿真结果表明,融入Voronoi算法的蚁群算法能够完成路径重规划任务,满足实时性要求。