基于ICOA算法的三维无人机路径规划

针对浣熊算法(COA)全局寻优能力不足的问题,提出改进的浣熊算法(ICOA)。通过SPM混沌映射初始化种群,引入莱维飞行和透镜成像反向学习综合的位置更新策略,提高了算法跳出局部最优解和全局搜索能力。采用基准函数测试,结果表明,ICOA算法与COA算法、麻雀搜索算法(SSA)和算术搜索算法(AOA)相比拥有更优的收敛速度和收敛精度。针对各种地形、威胁和约束三维无人机的路径规划问题,构建丘陵地貌的仿真环境模拟无人机执行古建筑群勘探任务的场景,并使用ICOA算法、COA算法、SSA算法和AOA算法进行路径规划。仿真结果表明,ICOA算法规划路径的适应度值更优,路径距离更短且俯仰角度更小,进一步验证了ICOA算法的有效性及其应用于丘陵地区无人机勘探任务的可行性。