基于多策略改进北方苍鹰算法的无人机路径规划

为实现在复杂地域和障碍环境下无人机高效、安全飞行路径规划问题,以飞行距离、转向角度、飞行高度为性能指标,以地形、空域中的障碍为约束建立了无人机三维路径规划模型.智能算法在解决高维多约束情况下无人机路径规划问题时,存在初始种群多样性差且分布不均、容易陷入局部最优解等局限性,对此提出了一种多策略改进的北方苍鹰算法(MINGO).该算法在初始化时借助Piecewise混沌映射有效地增强了初始种群的分布均匀性,借助Levy游走和随机扰动策略增强了种群的多样性和个体的质量,使算法快速且高精度的收敛,使用非线性收敛因子策略来有效平衡算法的全局和局部搜索能力,通过精英个体引导策略有效提升了算法的寻优效率.比较性的数值实验和仿真实验表明,MINGO具有更快的收敛速度和更高的寻优精度,处理复杂障碍环境下无人机三维路径规划问题具有非常明显的优势.