基于改进粒子群算法的无人机三维路径规划

针对无人机在复杂多障碍环境下的路径规划问题,提出基于改进粒子群的优化算法。首先,通过统一障碍物环境建模、优化适应度函数,并采用混沌粒子初始化使粒子群多样化,增强了算法的稳定性;然后,用自适应加速度系数替代传统粒子群算法的加速度常数,避免陷入局部极小值,同时提高了算法收敛到全局最优解的效率;最后,用无人机运动编码代替传统粒子群算法中粒子搜索轨迹的编码方式,提高解的最优性,搜索最优解路径。仿真结果表明:当进行无人机路径规划时,改进粒子群算法可以有效解决复杂的多障碍环境中传统粒子群算法的问题,与灰狼优化算法、差分进化算法、量子粒子群算法和传统粒子群算法相比,改进后的算法在不同场景静态环境中路径寻优精度和稳定性明显提高,且与动态粒子群算法相比,新算法也能更好地适应动态环境。