摘要
无人机航路规划技术作为完成规定任务的保障技术，受到了各方的关注。无人机的航路规划是一个复杂的优化问题，它具有多约束和多目标的特性，通过对信息的综合处理，使之在满足各种约束条件下，为无人机规划出一条符合特定优化指标的最优路线。本文通过对遗传算法和粒子群算法进行研究，使之可以适应于无人机的航路规划中。本文主要是从以下几个方面进行研究： 1）对无人机航路规划的研究内容主要包含：规划空间环境的建模、约束条件的限制和相关航路规划算法的研究。依据无人机飞行的特点，确立适当的无人机航路规划的环境模型。基于无人机飞行约束和航路规划目标，确定无人机航路规划方法。 2）将遗传算法应用到无人机航路规划中，基于遗传算法来设计航路规划的算法，并根据基本遗传算法的多样性容易丢失、容易过早陷入局部最优，引入精英保护策略、高斯变异的同时，在基于一致性交叉算子的基础上，提出利用适应度值的差距来限制交叉的范围，从而减少冗余的交差，提高算法速度。三个优化策略应用到遗传算法中，使之适用于无人机航路规划。 3）将粒子群算法应用到无人机航路规划中，并针对标准粒子群算法容易陷入局部优值，出现早熟现象等缺点，提出了一种非线性的惯性权重以及学习因子的改进方法，并结合遗传算法中的交叉算子策略对粒子群算法进行优化，并将改进粒子群算法应用到无人机航路规划中。 4）在满足约束条件的情况下，将优化遗传算法和粒子群算法通过仿真实验应用于无人机航路规划中，并对实验结果进行分析研究，从而证明优化算法的可行性。并将基本算法与优化算法进行对比实验，实验结果表明，优化算法比基本算法加快了搜索的收敛速度，且更可能搜索到最优路径。 综上所述，本文通过对遗传算法和粒子群算法进行优化，并且在实际项目提供的资料背景下，运用这两种优化算法对无人机航路规划进行仿真实验，实验结果表明，基于优化算法的航路规划取得了良好的效果。
NETL