基于改进精英蚁群算法的无人机三维航迹规划
基于改进蚁群算法的三维航迹规划
2020，56（17）1引言近年来，无人机航迹规划问题成为国内外学者研究的热点，尤其在军事、抢险救灾和测绘等领域尤为重要。
为了提高无人机的生存机率并充分发挥其作战优基于改进蚁群算法的三维航迹规划魏江1，王建军1，王健1，2，秦春霞1，梅少辉11.西北工业大学电子信息学院，西安7101292.西北工业大学第365研究所，西安710129摘要：针对蚁群算法在无人机（UAV ）三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点，提出了一种基于改进蚁群算法的无人机（UAV ）三维航迹规划方法。
该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子，从而降低了航迹搜索空间的复杂度，提高了算法的搜索效率和收敛速度。
在利用DEM 数字高程数据建立的搜索空间中，该算法与现有算法相比，规划航迹缩短约24.08%，运行时间减少约11.56%，表明改进蚁群算法在无人机（UAV ）三维航迹规划中的可行性和有效性。
关键词：三维航迹规划；信息素调整因子；路径偏移因子；蚁群算法文献标志码：A 中图分类号：TP273doi ：10.3778/j.issn.1002-8331.2001-0134魏江，王建军，王健，等.基于改进蚁群算法的三维航迹规划.计算机工程与应用，2020，56（17）：217-223.WEI Jiang,WANG Jianjun,WANG Jian,et al.3D path planning based on improved ant colony puter Engi-neering and Applications,2020,56（17）：217-223.3D Path Planning Based on Improved Ant Colony AlgorithmWEI Jiang 1,WANG Jianjun 1,WANG Jian 1，2,QIN Chunxia 1,MEI Shaohui 11.College of Electronic and Information,Northwestern Polytechnical University,Xi ’an 710129,China2.No.365Institute,Northwestern Polytechnical University,Xi ’an 710129,ChinaAbstract ：For overcoming the disadvantages of traditional ant colony algorithm in UAV 3D path planning,such as slow convergence speed and high space complexity,this paper proposes a 3D path planning method for UAV based on improved ant colony algorithm.In this method,the local search strategy and the initial pheromone adjustment factor are improved,and the path offset factor is added to the heuristic function,which reduces the complexity of the path search space and improves the search efficiency and convergence speed of the algorithm.In the search space established using DEM digital elevation data,compared with existing algorithms,the algorithm in this paper shortens the planning path by 24.08%,and the running time of the algorithm is reduced by about 11.56%,which show the feasibility and effectiveness of the improved ant colony algorithm in the 3D path planning of UAVs.Key words ：3D path planning;pheromone adjusting factor;path offset factor;ant colony algorithm基金项目：陕西省重点产业创新链项目（No.2019ZDLGY14-02-02）。
一种基于改进蚁群算法的AGV小车三维路径规划研究
一种基于改进蚁群算法的AGV 小车三维路径规划研究AGV 小车是一种能够自主移动、无需人工操控的智能运输设备，广泛应用于工业生产和物流领域中。
在实际应用中，AGV 小车的路径规划是非常重要的一环，而三维路径规划则更加具有挑战性。
因此，本文基于改进蚁群算法，探讨三维路径规划的研究现状和改进方向，并在此基础上提出了一种新的算法，以帮助AGV 小车实现更加高效和准确的路径规划。
一、研究现状在AGV 小车路径规划领域，变量路径规划方法被广泛应用。
传统的可变规划路径通常使用A*、Dijkstra 等算法，但这些算法应用于三维路径规划面临的挑战主要包括多个目标点、地形、环境和动态障碍物等问题，难以满足实际应用的要求。
近年来，蚁群算法被引入到AGV 小车路径规划中，并受到学术界和工业界的广泛关注。
蚁群算法是一种基于仿生学的优化算法，模拟了蚂蚁在物质流动和信息交互过程中的行为方式，通过大量的个体采用正反馈和信号传递的方式，实现了全局优化的目标。
二、改进方向尽管蚁群算法已被广泛应用于AGV 小车路径规划，但仍存在一些缺陷。
例如，蚂蚁搜索范围过大，从而导致收敛速度较慢，搜索质量较低，陷入局部最优解；蚂蚁行为策略过于简单，导致种群表现难以发挥出全局优化的效果。
因此，本文提出了以下的改进方向：1.改进蚁群算法的信息素更新策略。
传统的蚁群算法通过反馈信息素浓度，有助于蚂蚁发现优秀解和路径，但容易导致陷入局部最优解。
因此，可以引入防止过早收敛的策略，比如引入启发式信息素和启发式规划策略，以提高搜索质量。
2.改进蚁群算法的路线选择策略。
传统的蚁群算法仅通过正反馈的方式，对路线进行选择。
可以引入负反馈机制，使蚂蚁能够适应地形和环境的变化，实现全局搜索效果。
3.对蚂蚁行为进行调整。
蚂蚁行为策略过于简单，往往不能准确和灵活地适应不同的环境和场景。
应该加强对蚂蚁行为策略的分析，以发挥种群表现的最大优化效果。
三、改进算法的实现本文基于改进蚁群算法的思路，提出了一种新的三维路径规划算法。
基于改进蚁群优化算法的AUV三维路径规划
基于改进蚁群优化算法的AUV三维路径规划
蒲兴成;冼文杰;聂壮
【期刊名称】《智能系统学报》
【年(卷),期】2024(19)3
【摘要】针对蚁群算法在三维路径规划时收敛速度慢且难以收敛至最优的缺点,提出一种新的改进蚁群算法,并将其应用于自主式水下机器人(autonomous underwater vehicle,AUV)三维路径规划。
与现有算法相比,改进算法优点主要体现在3个方面:首先,引进伪随机状态转移概率提升算法全局搜索能力;其次,将距离和轨迹限定因子引入启发式函数,距离因子保证搜索不断趋近目标点,在轨迹限定因子约束下,轨迹累计转角更小,以此提升收敛速度和精度;最后,通过扩大信息素增量差距并逐步提高信息素衰减系数,进一步提高路径规划效率。
实验结果表明,改进蚁群算法能够获得累计转角更小路径,且路径长度更小,收敛速度更快。
【总页数】8页(P627-634)
【作者】蒲兴成;冼文杰;聂壮
【作者单位】重庆邮电大学计算机科学与技术学院;铜陵学院数学与计算机学院【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于改进型蚁群算法的AUV路径规划
2.改进蚁群算法在AUV三维路径规划中的研究
3.改进型蚁群算法的AUV三维路径规划
4.基于改进蚁群算法的AUV路径规划
5.基于改进鲸鱼优化算法的AUV三维路径规划
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进蚁群算法的多批次协同三维航迹规划
基于改进蚁群算法的多批次协同三维航迹规划高颖;陈旭;周士军;郭淑霞【摘要】For basic ant colony algorithm is easy to fall into local optimization, slow convergence and resolve defects more batches of cooperative route planning needs, proposed programming algorithm based on improved ant colony algorithm multiple batchesthree⁃dimensional track. The algorithm is based on the weighted sort pheromone update rules, expand differences merits of ants, improve the convergence speed, and uses a random pheromone e⁃vaporation coefficient of adaptive methods, ensuring at the same time make the algorithm convergence speed global optimization , to solve the basic ant colony algorithm is easy to fall into local prematurely most advantages and disad⁃vantages;on this basis, introduced ants subgroup under more constrained conditions of co⁃evolution strategy to solve thethree⁃dimensional track multiple batches collaborative planning. Simulation results show that: the improved ant colony algorithm in computational efficiency and convergence on the basic ant colony algorithm was superior, multi⁃batch cooperative path planning can improve the combat effectiveness of UAVs.%针对基本蚁群算法容易陷入局部寻优、收敛速度慢的缺陷以及解决多批次协同航迹规划问题的需要，提出了基于改进蚁群算法的多批次三维航迹规划算法。
数学建模论文_无人机自主飞行航迹规划问题
题目无人机自主飞行航迹规划问题摘要本文分别研究了基于二维平面和三维空间的最优航迹规划问题。
对于第一问，我们在忽略地形和无人机操作性能等因素影响的基础上，将影响无人机飞行的“敌方雷达威胁”和“飞行燃油代价”两个因素进行了量化处理，建立了雷达威胁模型和燃油代价模型，并在这两个模型的基础上建立了基于二维平面的最优航迹规划模型。
在求解该模型时，我们依据图论中的相关理论，将二维平面划分成了若干网格，然后使用Dijkstra算法来求最优航迹。
对于第二问，我们在第一问的模型的基础上，同时考虑了地形因素和无人机的操作性能（主要是拐弯），增加了“无人机飞行高度代价”和“无人机操作性能”两个指标，并对其进行了量化处理。
同时，我们对雷达威胁模型进行了适当的简化，建立了一个较复杂的、基于三维空间的最优航迹规划模型。
在求解该模型时，我们将三维空间划分为若干个小方块，在“无人机操作性能”作为补充约束条件的基础上，采用蚁群算法，得到了最优航迹。
在建立以上两个模型的基础上，我们对每个模型的可行性分别进行了分析。
由于规划的约束条件众多而且模糊性大、研究的各因素之间的相互联系及不同种类无人机的控制方式和任务情况各异，因而模型存在着一定的缺陷。
我们用MATLAB（寸建立的两个模型进行了仿真，分别得到了基于二维平面的最优航迹和基于三维空间最优航迹。
此外，我们分析了所建模型的优缺点，并对模型的完善进行了进一步的探索。
关键词：最优航迹Dijkstra 算法蚁群算法MATLAB仿真1.问题的重述------------------------------------------------------------- 2 2•问题的分析------------------------------------------------------------- 23. 模型假设-------------------------------------------------------------- 34. 符号说明-------------------------------------------------------------- 35. 模型的建立------------------------------------------------------------ 35.1问题一模型的分析、建立与求解---------------------------------------- 35.2问题二模型的分析、建立与求解---------------------------------------- 66. 模型的可行性分析与仿真----------------------------------------------- 96.1模型的可行性分析-------------------------------------------------- 96.2模型的仿真------------------------------------------------------- 107. 模型的评价、改进及推广------------------------------------------------- 128. 参考文献------------------------------------------------------------- 149. 附录----------------------------------------------------------------- 15一、问题的重述无人机的发展至今已有70多年的历史，其军事应用主要是执行各种侦察任务。
基于优化蚁群算法的无人机海岛监测航迹规划
序号 1 2 3 4 5 6 7 8 9 10
平均值
• Information Technology 信息技术
迭 代 过 程 中 系 统 稳 定 的 特 点， 从
而保证无人机在复杂的海岛监测
中飞行航迹规划零失误。
【关键词】Dijkstr MAKLINK
无人机作为一种新的遥感监测平台起着 非常重要的作用。在粤东地域的四个城市中特 别是汕尾市，五个县区中有四个县区濒临南海， 利用无人机进行近海海岛监测，可大大减少人 力物力的浪费。然而，无人机在进行海岛监测 时会遇到气流不稳定等因素而影响无人行飞 行，因此对无人机进行航迹规划非常有意义。 目前，国内外的航迹规划控制算法主要分为两 大类，传统经典与人工智能算法。传统经典包 括动态规划法，导数相关法，最优控制法，动 态规划算法在解决多级决策最优化问题中比较 常见的算法之一，该算法受状态空间限制，对 于无人机的航迹规划大范围的搜索，比较有局 限性；导数相关法中，常见的有牛顿法和最小 二乘法等，要求导函数有连续性，迭代运算量 大，容易陷入局部最优解。最优控制比较广泛 应用于火箭、卫星轨道等。智能算法中包括遗 传算法，例如文献，对于遗传算法，在进行规 划路径时比较费时，另外一种常见的蚁群算法， 例如文献，该方法收敛速度较慢。以上国内外 所提到的各种路径算法都有各自的局限性，适 应于完成特定的路径规划等任务。然而，对于 本课题的研究来说，因为本课题有一种的空间 及环境因素，所以，本文结合以上的研究基本
基于改进蚁群算法的无人机三维航路规划
第３８卷第４期２００８年７月吉林大学学报（工学版）ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙＥｄｉｔｉｏｎ）Ｖ０１．３８ＮＯ．４Ｊｕｌｙ２００８基于改进蚁群算法的无人机三维航路规划陈谋，肖健，姜长生（南京航空航天大学自动化学院，南京２１００１６）摘要：研究了一种基于改进蚁群算法的无人机三维航路规划方法，以保证在敌方防御区域内以最小的被发现概率以及可接受的航程到达目标点。
首先对无入机三维航路规划模型进行分析，在此基础上采用蚁群算法对三维航路进行优化。
将最短路径的信息反馈到系统中作为搜索的指导信号，并改进节点选择方法，以提高应用蚁群算法搜索无人机三维航路的效率。
最后将所研究的方法应用于无人机的三维航路规划，仿真结果表明本文方法是有效的。
关键词：飞行器控制、导航技术；无人机；三维航路规划；改进蚁群算法；信息素；能见度中图分类号：Ｖ２４９，Ｖ２７９文献标识码：Ａ文章编号：１６７１—５４９７（２００８）０４一０９９１一０５ＴｈｒｅｅｄｉｍｅｎｓｉｏｎａｌｐａｔｈｐｌａｎｎｉｎｇｏｆＵＡＶｗｉｔｈｉｍｐｒｏｖｅｄａｎｔａｌｇｏｒｉｔｈｍＣＨＥＮＭｏｕ，ＸＩＡＯＪｉａｎ，ＪＩＡＮＧＣｈａｎｇ－ｓｈｅｎｇ（ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｅｎｓｕｒｅｕｎｍａｎｎｅｄａｕｔｏｍａｔｉｃｖｅｈｉｃｌｅ（ＵＡＶ）ｔｏｒｅａｃｈｔｈｅｄｅｓｔｉｎａｔｉｏｎｗｉｔｈｍｉｎｉｍｕｍｐｒｏｂａｂｉｌｉｔｙｏｆｂｅｉｎｇｆｏｕｎｄｉｎａｎａｃｃｅｐｔａｂｌｅｐａｔｈ，ａｔｈｒｅｅｄｉｍｅｎｓｉｏｎａｌｐａｔｈｐｌａｎｎｉｎｇｍｅｔｈｏｄｗａｓｓｔｕｄｉｅｄｏｎｔｈｅｂａｓｉｓｏｆａｎｉｍｐｒｏｖｅｄａｎｔａｌｇｏｒｉｔｈｍ．ＦｉｒｓｔｔｈｅｍｏｄｅｌｏｆｔｈｒｅｅｄｉｍｅｎｓｉｏａｎｌｐａｔｈｐｌａｎｎｉｎｇｏｆＵＡＶｗａｓａｎａｌｙｚｅｄ．ＴｈｅｎａｎｏｐｔｉｍｉｚａｔｉｏｎｏｆｐａｔｈｐｌａｎｎｉｎｇｗｉｔｈａｎｔａｌｇｏｒｉｔｈｍｆｏｒＵＡＶｗａｓｇｉｖｅｎ．Ｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｐａｔｈｐｌａｎｎｉｎｇ，ｔｈｅｍｅｓｓａｇｅｏｆｔｈｅｓｈｏｒｔｅｓｔｐａｔｈｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｓｙｓｔｅｍａｓａｓｅａｒｃｈｉｎｇｇｕｉｄａｎｃｅｓｉｇｎａｌ，ａｎｄａｍｏｄｉｆｉｅｄｎｏｄｅｓｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｗａｓａｌｓｏｇｉｖｅｎ．Ｆｏｒｔｈｅｖａｌｉｄａｔｉｏｎｏｆｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ｉｔｗａｓｕｓｅｄｉｎｔｈｅｐａｔｈｐｌａｎｎｉｎｇｏｆＵＡＶａｎｄｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｉｔｃａｎｏｂｔａｉｎｏｐｔｉｍｕｍｐａｔｈ．Ｋｅｙｗｏｒｄｓ：ｃｏｎｔｒｏｌａｎｄｎａｖｉｇａｔｉｏｎｔｅｃｈｎｏｌｏｇｙＯｆａｅｒｏｃｒａｆｔ；ｕｎｍａｎｎｅｄａｕｔｏｍａｔｉｃｖｅｈｉｃｌｅ（ＵＡＶ）；ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｐａｔｈｐｌａｎｎｉｎｇ；ｉｍｐｒｏｖｅｄａｎｔａｌｇｏｒｉｔｈｍ；ｐｈｅｒｏｍｏｎｅ；ｖｉｓｉｂｉｌｉｔｙ目前较多的无人机航路规划采用Ａ。
基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划
使信息素挥发能够按照一种随机方式进行，因而使
得信息素的调节更加符合自然规律，从而保留解的
多样性。
２畅４ 基于改进蚁群算法三维航迹离线规划
利用本文介绍的基于最小威胁曲面投影的方法
进行 ＵＡＶ 三维航迹离线规划的步骤如下：
１） 确定飞行区域的大小，并根据数字地图融合
算法在飞行区域中生成三维数字地图。
２） 将最小威胁曲面进行水平投影，用前文介绍
·９０２·
西 北 工 业 大 学 学 报
第 ３１ 卷
将飞行区域中的火力威胁等效成山峰，加载到
数字地图中，山峰模拟采用如下算法：
∑ｎ
ｚ２（ｘ，ｙ） ＝ ｚｉｅｘｐ ｉ ＝１
－ ｘ －ｘ０ｉ ｘｓｉ
２ － ｙ －ｙ０ｉ ｙｓｉ
２
（１） 将原始随机地形和山峰等效融合从成飞行区域 中的数字地形图，融合算法如下
ｚ（ｘ，ｙ） ＝ｍａｘ（ ｚ１（ ｘ，ｙ），ｚ２（ｘ，ｙ））
（２）
式中： ｘ、ｙ 是水平投影面的坐标点，ｚ１（ｘ，ｙ） 和 ｚ２（ ｘ，
ｙ） 是对应点的地形高度；ａ、ｂ、ｃ、ｄ、ｅ、ｆ、ｇ 是对应的地
形常系数，ｎ 为山峰数目，ｚｉ 为第 ｉ 个山峰最高高度，
ｘ０ｉ 、ｙ０ｉ ，为山峰最高点对应的横纵坐标，ｘｓｉ 、ｙｓｉ 为山峰
图 １ 水平投影面中树状搜索空间
其中： 抄 为最大转弯角；β为平均扫略角；ｌｅｎｇｔｈ－
ｓｉｚｅ 为最小步长。
１畅５ 基于水平投影下航迹代价函数
将最小威胁曲面向水平面进行投影之后三维航
迹规划简化成了二维航迹规划，故可采用下述表达
式计算航迹代价函数
Ｎ
∑ Ｆ（Ｒ） ＝
［ ｋ·
ｃｉｊ ｆ
＋（１
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于改进精英蚁群算法的无人机三维航迹规划
袁梦顺;陈谋;邵书义;吴庆宪;闫东
【期刊名称】《火力与指挥控制》
【年(卷),期】2022(47)2
【摘要】针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法。
将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向。
添加约束条件限制,使航迹能实际可飞。
随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力。
引入视线算法减少航迹节点数,平滑航迹。
仿真结果表明,搜索所得的无人机航迹均符合需求。
【总页数】6页(P37-42)
【作者】袁梦顺;陈谋;邵书义;吴庆宪;闫东
【作者单位】南京航空航天大学自动化学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划
2.基于改进蚁群算法的无人机低空突防三维航迹规划
3.基于改进蚁群算法的无人机二维航迹规划和重规划
4.基于改进启发式蚁群算法的无人机自主航迹规划
5.基于改进蚁群算法的无人机航迹规划研究
因版权原因，仅展示原文概要，查看原文内容请购买。