基于冠豪猪优化器（CPO）的无人机路径规划

该优化算法是2024年新发表的一篇SCI一区top论文具有良好的实际应用和改进意义。一键运行main函数代码自动保存高质量图片

1、冠豪猪优化器

摘要：受冠豪猪(crest Porcupine, CP)的各种防御行为启发，提出了一种新的基于自然启发的元启发式算法——冠豪猪优化算法(Crested Porcupine Optimizer, CPO)，用于精确优化各种优化问题，特别是大规模优化问题。从最不具攻击性到最具攻击性，冠豪猪有四种不同的保护机制：视觉、声音、气味和身体攻击。第一和第二防御技术（视觉和声音）反映了CPO的探索性行为，第三和第四防御策略（气味和物理攻击）反映了CPO的利用性行为。该算法提出了一种新的策略，称为循环种群减少技术，以模拟不是所有CPs都激活防御机制，而是只有受到威胁的CPs才激活防御机制。该策略提高了收敛速度和种群多样性。使用CEC2014、CEC2017和CEC2020 3个CEC基准测试函数对CPO进行验证，并将其结果与3类现有优化算法进行比较，结果如下:(i)被引用率最高的优化算法，包括灰狼优化算法(GWO)、鲸鱼优化算法(WOA)、差分进化算法(differential evolution)和樽海鞘算法(SSA);(ii)最近发表的算法，包括基于梯度的优化器(GBO)，非洲秃鹫优化算法(AVOA)， Runge Kutta方法(RUN)，平衡优化器(EO)，人工大猩猩部队优化器(GTO)和黏液霉菌算法(SMA);(iii)高性能优化器，如SHADE、LSHADE、al SHADE、LSHADE- cnepsin和LSHADE- spacma。统计分析结果表明，在3个CEC测试函数上，与其他优化算法相比，CPO算法在大多数测试函数上具有明显的优势，可以被提名为一种高性能的优化算法。定量分析表明，对于CEC2017、CEC2017、CEC2020和6个实际工程问题，CPO的性能提升率分别高达83%、70%、90%和100%。

参考文献：Crested Porcupine Optimizer: A new nature-inspired metaheuristic

Doi:10.1016/j.knosys.2023.111257

2、无人机路径规划

一般无人机路径规划的目标是找到一条满足特定约束条件的路径，例如考虑避障、最短路径、最优路径等。而优化算法的应用可以帮助无人机在考虑这些约束条件的情况下，寻找到最优或者接近最优的路径。

 实验结果如下

3、完整代码获取

点击：代码获取网址https://mbd.pub/o/bread/ZZ2XkpZt