三维路径规划如何融合模拟退火与粒子群算法优化多无人机路径？

本文共计1470个文字，预计阅读时间需要6分钟。

1. 简介 + 粒子群优化算法 (PSO)粒子群优化算法（PSO）由Kennedy和Eberhart于1995年提出，是一种基于群体智能的仿生优化算法。它在解决某些典型函数优化问题时，能够获得较优的优化结果。1. 无人航迹

1 简介

粒子群优化算法 (particle swarm optimization, PSO)是Kennedy和Eberhart于1995年提出的一种群体智能仿生算法, 在解决一些典型的函数优化问题时, 能够取得比较好的优化结果。

**1 无人机航迹规划模型

1.1 航迹表示方法**

一般地, 无人机航迹规划的空间可以表示为某三维坐标系下所有点的集合{ (x, y, z) |xmin≤x≤xmax, ymin≤y≤ymax, zmin≤z≤zmax}, 其中x, y可以表示为该节点在飞行水平面下的坐标, 也可以表示为该点的经纬度, z为高程数据或海拔高度。航迹规划的目的是获得无人机在该空间中的飞行轨迹, 生成的航迹可表示为三维空间的一系列的点{PS, P1, P2, …, Pn-2, PG}, 相邻航迹点之间用直线段连接。

**1.2 航迹代价函数**

在航迹规划中, 常采用经过适当简化的航迹代价计算公式


式中, s表示航迹段数, Li表示第i段航迹长度, 该项代表距离代价。Hi表示第i段航迹的平均海拔高度, 该项代表高度代价。Ti为第i段航迹的威胁指数, 该项代表威胁代价。k1、k2、k3分别是距离代价、高度代价和威胁代价的权重值, 权重的选取与飞行任务要求相关。