基于改进PSO的无人机二维路径规划设计

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.

关键词：无人机路径规划、智能算法、改进粒子群算法、交叉变异

所属期刊栏目：31

分类号：TP391.9(计算技术、计算机技术)

资助基金：安徽省高校自然科学研究重点项目KJ2020A1024

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：39-43