摘要：随着无人机应用的日益广泛,对无人机路径规划的需求也越来越大,但大多数现有的基于进化算法的路径规划将整条路径作为一个个体进行优化,这可能导致一些潜在的路径点被忽视。此外,由于3D环境难以网格化,传统的基于网格的智能搜索算法,如蚁群算法等,在复杂3D环境中难以有效解决无人机路径规划问题。鉴于此,本文提出一种基于点集进化的无人机路径规划算法,该算法将每个控制点作为一个个体,根据路径的有序性设计了一种高效的杂交算子来生成新的控制点,基于控制点集使用经典的Dijkstra算法搜索并构建路径,从而计算每个控制点的适应度用来更新控制点集。该算法将经典路径规划算法与进化算法相结合,既具有经典算法的高搜索效率,又具有进化算法的全局搜索能力。实验结果表明,所提算法在解决复杂3D环境中的无人机路径规划问题时表现良好且稳定。

摘要：无人机路径规划常以约束多目标优化问题形式建立数学模型,且这些模型几乎只考虑三维建模空间中两点之间的路径规划;然而缺少无人机从起点出发,经过指定的多个作业区域并到达终点的路径规划问题研究。针对上述问题,基于不可行解引导种群进化提出带有地理信息指导搜索策略的约束多目标进化算法(DW-LS)。首先,根据无人机飞行所受环境约束、性能约束和访问多区域任务建立新的约束多目标优化模型;其次,基于不可行解利用机制,设计地理信息指导搜索策略优化不可行解以进一步协助种群搜索最优进化方向;最后,通过仿真对比了DW-LS与具有代表性的三个约束多目标进化算法,实验结果表明DW-LS所得可行解具有更好的收敛性和多样性。

摘要：针对传统路径规划算法用于解决无人机战术路径规划问题时存在局部最优、慢收敛等问题,提出一种改进的群智能算法,以改变初始种群的更新方式,提升灰狼算法的全局寻优能力并加快其收敛速度。引入莱维飞行随机策略以及共生生物搜索算法,借助莱维飞行策略更新种群个体,利用共生生物搜索算法偏利共生阶段的交互性避免陷入局部最优问题。威胁建模是UAV路径规划的重要前提,对威胁物进行等效预处理,结合适应度函数检验算法。设计一种虚实映射仿真验证平台,通过以实映虚的手段验证算法的有效性。实验结果表明,改进后的算法改善了传统路径规划算法的局部最优和慢收敛等路径规划问题,对UAV作战能力的提升具有一定参考价值。

摘要：针对传统方法在解决复杂环境下无人机路径规划问题中仿真时长不一致、易陷入局部最优等问题,在栅格化地图的基础上,提出了改进元胞蚁群算法。首先,为统一仿真时间步长,采用六边形栅格地图对飞行空域进行建模;然后,提出一种改进元胞蚁群算法进行路径规划,算法引入势场概念对启发函数进行修正、采用差别搜索策略以引导蚁群快速向目标搜索,并设计一种自适应信息素更新方式以选出优质路线。实验结果表明,所提模型和算法解决了矩形栅格地图中仿真时长不统一的问题,并有效提升了路径寻优速度和全局搜索能力,避免算法陷入局部最优。

摘要：无人机路径规划技术为无人机自主飞行和低空交通管理提供了技术支持,也是无人机可以实现抗震救灾的重要前提。面向地震场景,结合灾区环境以及相关需求,研究地震灾情的无人机救灾最优路径规划方法。搭建地震受灾环境,设计模拟真实情况的地震场景。选用蚁群算法中的三维路径规划算法,搜索从出发点到疑似点的最优路径。通过仿真验证了模型的可行性和有效性。

摘要：在无人机航迹规划任务中,必须保证无人机不与障碍物相撞,并保持一定的安全距离,所获得的路径应满足无人机的机动性要求。本文根据弹性绳的定义,分析了弹性绳算法的局限性,并给出了弹性绳算法在无人机路径规划中的设计方案。同时,研究设计了若干个仿真场景来验证算法的性能。仿真结果表明,本文所设计改进的算法能够有效解决无人机路径规划问题。

摘要：针对多旋翼无人机在室内复杂环境下的动态路径规划问题,提出了一种基于高度降维空间环境模型的无记忆回归 A*算法。首先,提出了一种高度降维的空间环境建模方法,将三维空间降到二维,降低了环境模型的复杂度,提高了规划效率。在环境建模的基础上,提出了以全局路径规划结果为基础进行局部动态搜索的思路,并设计了无记忆回归A*算法,即首先使用传统A*算法进行全局路径规划,参考全局规划结果,利用无记忆回归 A*算法对动态障碍物进行避障,避障完成后回归到全局规划路径上。最后利用仿真实验验证了所提方法的有效性。仿真结果表明,在指定环境下所提方法的路径规划时间和路径规划长度较无记忆 A*算法更短,两项指标分别提升了13.8%和41.6%。

摘要：智能搜索算法的提出为实现无人机的全局和局部路径规划提供了很好的方案选择,其中最为经典也最具代表性的就是粒子群算法(partical swarm optimization,PSO).但是在利用PSO进行无人机路径规划时,极易陷入局部搜索困境,受到环境变化等因素的制约,无法达到预期的效果.针对原始PSO存在的缺陷和在无人机路径规划中出现的问题进行改进,将自适应因子引入更新机制中,减少环境变化对算法更新的影响;考虑种群个体与环境因素的相关性建立遗传个体和细菌个体的种群分类机制;再对最优粒子进行维度交叉变异,保证最终结果最优.算例仿真验证,改进PSO在数据更新准确性、局部和整体搜索能力等方面有了很大的提升,与遗传算法、菌群算法、遗传-粒子群算法等相比,具有规划速度快、规划路径短等明显优势.

摘要：为解决无人机(UAV,unmanned aerial vehicle)在多个目标区域之间快速找到最佳遍历路径的类旅行商问题(TSP,travelling salesman problem),设计一种基于蚁群算法、A*算法以及三次B样条优化的融合规划算法;尽管蚁群算法相对其他优化算法在解决TSP问题上有较为良好的表现,但其规划路径处理时间长、生成路径转折多、路径质量和安全性较差;算法首先改进传统A*算法的节点扩展方式,快速生成两两目标区之间的局部路径,然后将蚁群算法和改进A*算法融合使用进行全局路径规划,最后结合改进三次B样条对路径进行平滑处理;基于栅格地图的仿真结果证明了该算法相比传统算法具有更好的高效性和稳定性。

摘要：在多个场站多无人作战飞机对区域内多目标进行协同打击的任务背景下,考虑无人机载荷和挂点约束以及不同武器对目标打击效果,优化无人机挂载武器配置、打击目标分配和飞行路径规划问题。通过拓展传统路径规划模型,建立了问题的整数规划数学模型。设计了一种基于目标聚类的构造式启发搜索算法,可以快速得到一个较优的初始可行解。给出了适应性大邻域搜索算法,用于对初始可行解进行持续改进,得到更优的可行解。以不同规模的随机实例对模型和算法进行了验证。