【智能算法应用】基于蜣螂优化算法求解多无人机集群路径规划问题

---

1.算法原理

【智能算法】蜣螂优化算法（DBO）原理及实现

2.UAV路径规划数学模型

无人机(unmanned aerial vehicle，UAV)路径规划是无人机导航系统中的一项关键技术，它使无人机能够自动确定从起点到终点的最优或可行飞行路径。

UAV路径规划可以从路径成本、高度成本、光滑成本、威胁成本方面构建路径规划目标函数。

路径成本

路径长度是判断路径质量的重要依据，路径长度越短，越有利于无人机节省能耗:
$$F_l=\sum _{i=1}^n\sqrt{{\left(x_{i+1}-x_i\right)}^2+{\left(y_{i+1}-y_i\right)}^2+{\left(z_{i+1}-z_i\right)}^2}\text{\hspace{1em}(1)}$$
其中，n 为航迹点数目，(xi,yi,zi) 表示第 i 个航迹点的位置。

光滑成本

规划路径应尽量减少大角度偏航和高度的突变，需要保持路径平滑。由于山区陡峭、落差大的地形特点，无人机在山区飞行需要飞行路径满足自身的最大爬升角和爬升率的要求。li 表示 2 个航迹点之间的距离，偏转角${\phi }_i$和俯仰角${\varphi }_i$:
$$\begin{array}{c}{\phi }_i=\arctan \left(\frac{\Vert l_i{l}_{i+1}\Vert }{l_i{l}_{i+1}}\right)\\ {\varphi }_i=\arctan \left(\frac{z_{i+1}-z_i}{\sqrt{{\left(x_{i+1}-x_i\right)}^2+{\left(y_{i+1}-y_i\right)}^2}}\right)\\ F_e=\sum _{i=1}^{n-2}{\phi }_i+\sum _{i=1}^{n-1}\left({\varphi }_i-{\varphi }_{i-1}\right)\end{array}\text{\hspace{1em}(2)}$$

高度成本

路径规划中的路径还必须要确保无人机的安全运行，因此引入飞行安全性能够引导无人机躲避环境中的障碍物。空域内存在中心坐标为Ok ，半径为 Rk 的障碍物 K， 无人机的飞行节点与障碍物的垂线距离 dk 应该大于安全距离阈值 S：
$$F_s=\{\begin{array}{l}0,d_k\ge S\\ S-d_k,R_k<d_k<S\\ \infty ,d_k<R_k\end{array}\text{\hspace{1em}(3)}$$

上述各类成本函数进行加权综合，构成多目标路径规划问题的目标函数 F:
$$F={\omega }_1{F}_1+{\omega }_2{F}_e+{\omega }_3{F}_s\text{\hspace{1em}(4)}$$

无人机集群路径规划（MUAVS）总成本为每个UAV成本之和:
$$fitness=sum(F_i)\text{\hspace{1em}(5)}$$

3.结果展示

4.参考文献

[1] Phung M D, Ha Q P. Safety-enhanced UAV path planning with spherical vector-based particle swarm optimization[J]. Applied Soft Computing, 2021, 107: 107376.
[2] 远翔宇,杨风暴,杨童瑶.基于自适应蜣螂算法的无人机三维路径规划方法[J].无线电工程,2024,54(04):928-936.
[3] 吴学礼,王超,赵俊棋,等.改进麻雀算法的无人机三维路径规划[J].科学技术与工程,2024,24(15):6534-6542.

5.代码获取