无人机集群路径规划：红嘴蓝鹊优化器（Red-billed Blue Magpie Optimizer，RBMO）求解无人机集群路径规划，提供MATLAB代码

 一、单个无人机路径规划模型介绍

无人机三维路径规划是指在三维空间中为无人机规划一条合理的飞行路径，使其能够安全、高效地完成任务。路径规划是无人机自主飞行的关键技术之一，它可以通过算法和模型来确定无人机的航迹，以避开障碍物、优化飞行时间和节省能量消耗。

二、无人机集群模型介绍

本文中以5个无人机构成无人机集群，采用优化算法同时规划五个无人机的路径，每个无人机的成本由路径成本、威胁成本、高度成本和转角成本四个部分构成。无人机集群的总成本为5个无人机成本之和。

三、红嘴蓝鹊优化器求解无人机集群路径规划

红嘴蓝鹊优化器（Red-billed Blue Magpie Optimizer，RBMO）由Fu Shengwei 等人于2024年提出，其灵感来自红嘴蓝鹊的高效合作捕食行为，具体模拟了红嘴蓝鹊的搜索、追逐、攻击猎物和食物储存行为。

参考文献

[1]Fu, S., Li, K., Huang, H. et al. Red-billed blue magpie optimizer: a novel metaheuristic algorithm for 2D/3D UAV path planning and engineering design problems. Artif Intell Rev 57, 134 (2024). Red-billed blue magpie optimizer: a novel metaheuristic algorithm for 2D/3D UAV path planning and engineering design problems | Artificial Intelligence Review
                        
原文链接：https://blog.csdn.net/weixin_46204734/article/details/139332437

3.1部分代码

close all
clear
clc
dbstop if all error
global model
model = CreateModel(); % 创建模型
F='F1';
[Xmin,Xmax,dim,fobj] = fun_info(F);%获取函数信息
pop=50;%种群大小(可以自己修改)
maxgen=200;%最大迭代次数(可以自己修改)
[fMin,bestX,ConvergenceCurve] = (pop, maxgen,Xmin,Xmax,dim,fobj);

%% 计算无人机的相关信息
N=length(bestX)/(3*model.n);%无人机的数量
St=1;
for i=1:N %计算每个无人机的适应度值
    Et=St+3*model.n-1;
    Xbest=bestX(St:Et);
    BestPosition(i,:) = SphericalToCart(Xbest);%% 计算航迹坐标
    BestFit(i)=MyCost(Xbest,1);%% 计算每个无人机的适应度值
    UAVfit(i,:)=MyCost(Xbest,2);
    St=Et+1;
end

%% 保存结果
save BestPosition BestPosition %每个无人机的航迹坐标
save BestFit BestFit %每个无人机的总成本
save UAVfit UAVfit % 每个无人机的四个成本
save ConvergenceCurve ConvergenceCurve % 无人机集群的成本随迭代次数的变化

3.2部分结果

四、完整MATLAB代码