基于动态簇粒子群优化的无人机集群路径规划方法

路径规划对于无人机(UAV)集群的任务执行十分重要,而且高维场景中的计算通常很复杂。群体智能为解决该问题提供了较好的解决思路。粒子群优化(PSO)算法具有参数少、收敛速度快、操作简单等优点,尤其适用于路径规划问题,但它在应用时存在全局搜索能力差、容易陷入局部最优的问题。为了解决上述问题以提升无人机集群路径规划的效果,提出了动态簇粒子群优化(DCPSO)算法。首先,利用人工势场法和滚动时域控制原理建模UAV集群路径规划问题的任务场景;其次,引入Tent混沌映射和动态簇机制进一步提升全局搜索能力和搜索精度;最后,使用DCPSO算法优化模型的目标函数,以获得UAV集群的每个轨迹点的选择。在单峰/多峰、低维/高维不同组合的10种基准测试函数下的仿真实验结果表明,与PSO、鸽子启发优化(PIO)、麻雀搜索算法(SSA)和混沌扰动鸽群优化(CDPIO)算法相比,DCPSO算法具有更好的计算最优值、均值和方差,搜索精度更佳,稳定性更强。此外,UAV集群路径规划应用实例仿真结果也验证了DCPSO算法的性能与效果。