CN119512156A 一种改进蜣螂算法的无人机三维路径规划方法 （大连大学）

一种改进蜣螂算法的无人机三维路径规划一种改进蜣螂算法的无人机三维路径规划解；显著提高了无人机路径规划的效率与准确2j括3T}i4*为当前局部最优位置，Lb*和Ub*分别为产卵区域的下界和上界，R＝1t/Tmax，Ub*)i(t)为第i个育雏球在第n次迭代时的位置信息，b1和b2为大小为1×D的两个独Ubb)下:*bii=rsn}的偏差p(n)满足p(n)=c(r,e)n-1f,其中C(r,εxi56i和bi分别是第i维的下界和上界；7[0002]随着无人机(UnmannedAerialVehicle,UAV[0004]蜣螂优化器(DungBeetleOptimizer,DBO)算法是由XUEJ等人在2023年提出的8wj为第j个雷达威胁区域的半径。[0021]限定无人机在飞行过程中最大的转弯角度μmax和最小转弯角度μmin，转弯角μi满9_Ub*)Ubb)Xb1,2,…n}的偏差p(n)满足n(n)=c(r,e)n-1*f,其中C(r,ε)是只与r,ε(ε>0)有关的常n[0072]引入目前为止个体i的最优位置和全局最优位置的信息，在滚球阶段碰到障碍物xi著提高了蜣螂优化算法的种群多样性，使得算法在初始阶段就能覆盖更广泛的搜索空间，[0114](2)增强了算法的鲁棒性和适应性：本发明所提方法能够综合考虑无人机飞行过立了合理的目标函数，使得算法在规划路径时能够充分考虑无人机的飞行效率和安全性。通过精细化的环境建模和威胁区域建模，算法能够准确识别并避开潜在的飞行障碍和威[0116](4)推动了无人机技术的进一步发展：本发明所提方法不仅适用于无人机的三维不用于限定本发明。下面结合附图1_6对改进蜣螂算法的无人机三维路径规划方法做进一全局路径规划。wj为第j个雷达威胁区域的半径。[0135]S2.本发明针对无人机路径规划提出了详[0170]为了给后代提供一个安全的环境，雌性蜣螂会选择一个合适的区域作为产卵地_Ub*)Ubb)Xb[0192]随机初始化会导致种群个体分布不均匀，从而影响个体有效地提取解空间的信1,2,…n}的偏差p(n)满足p(n)=c(r,e)n-1te,其中C(r,ε)是只与r,ε(ε>0)有关的常引入目前为止个体i的最优位置和全局最优位置的信息，有利于增强蜣螂对全局和局部的xi[0213]单纯形法(simplemethod,SM)是s是最差点。[0226]反向学习(Oppos优化算法的收敛速度。将反向学习扩展到D维空间，对于一个在D维空间中的解x＝(x1,[0231]准反射学习是基于OBL和QOBL提出一种新的准反射学习机制(Quasi_Reflection_自适应反向学习(AdaptiveOpposition_BasedLearning,的地形环境建模可以为无人机提供关键信息，从而使其在执行任务时能够有效避开障碍，[0245]本发明构建了两组地形环境来模拟无人机的飞行场景，雷达作为无人机的威胁[0246]图3和图4是两组地形下的无人机路径规划仿真结果，从图中可看出，DBO算法和302.82285.97711.22364.28375.18287.71303.96302.04727.22371.17380.66303.40[02