【无人机三维路径规划】基于非支配排序的鲸鱼优化算法NSWOA与多目标螳螂搜索算法MOMSA求解无人机三维路径规划研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、研究背景与算法适配性分析

无人机三维路径规划作为无人机自主作业的核心技术，需在立体空间中平衡路径效率、飞行安全、能耗成本等多目标需求，尤其在电力巡检、山地救援、城市物流等复杂场景中，面临立体障碍物密集、环境动态变化、多目标冲突剧烈等挑战。传统单目标优化算法（如 A*、Dijkstra）难以兼顾多目标需求，而经典多目标算法（如 NSGA-Ⅱ、MOPSO）在高维复杂环境中易出现解的分布性差、收敛速度慢等问题。

非支配排序的鲸鱼优化算法（NSWOA）与多目标螳螂搜索算法（MOMSA）是近年来新兴的多目标优化算法。NSWOA 融合鲸鱼优化算法（WOA）的全局搜索能力与非支配排序的多目标筛选机制，能高效平衡收敛性与解的多样性；MOMSA 则模拟螳螂群体的捕食与迁徙行为，具备强局部开发能力与动态环境适应性。将两种算法应用于无人机三维路径规划，对比分析其性能差异，可为不同复杂场景下的算法选型提供理论支撑与实践参考，具有重要的学术价值与工程意义。

二、无人机三维路径规划问题建模

（一）三维环境建模

采用 “体素 - 点云融合建模法”，兼顾环境描述精度与计算效率：

1. 体素划分：将三维空间划分为 2m×2m×2m 的立方体体素，通过状态值标识属性：

• 自由体素（状态值 = 0）：无障碍物，无人机可安全飞行；

• 障碍体素（状态值 = 1）：包含建筑物、山脉、输电塔等静态障碍物；

• 动态体素（状态值 = 2）：包含移动障碍物（如其他无人机）、强风区等动态干扰源。

1. 点云补全：对不规则障碍物（如树木、山体），采用激光雷达点云数据拟合表面轮廓，修正体素边界，避免因体素离散化导致的建模误差；

1. 动态因子建模：引入风速向量（vₓ, vᵧ, v_z）与动态障碍物运动轨迹（x (t), y (t), z (t)），通过时间步长 Δt（取 0.5s）更新环境模型，反映动态变化。

四、研究总结与展望

（一）研究总结

1. 构建了高精度无人机三维路径规划模型，融合体素与点云建模，兼顾环境描述精度与计算效率；

1. 改进了 NSWOA 与 MOMSA 算法，分别增强其多目标解集维护能力与动态环境适应性；

1. 实验验证：城市环境中 MOMSA 因强局部开发能力表现更优，山地环境中 NSWOA 因强全局搜索能力更具优势，两者均优于传统多目标算法。

（二）未来展望

1. 算法融合优化：结合 NSWOA 的全局搜索与 MOMSA 的局部开发优势，设计混合算法，提升复杂场景适应性；

1. 实时动态重规划：引入强化学习，使算法能根据环境实时变化（如突发障碍物）触发快速重规划；

1. 硬件在环测试：搭建无人机硬件在环平台，验证算法在真实飞行环境中的性能，推动工程化应用。

⛳️ 运行结果

🔗 参考文献

[1] 赵晶.基于混合鲸鱼粒子群算法的机械手运动规划与控制[D].中北大学[2025-11-26].

[2] 彭赛,谭爱国,王海文,等.基于多算法模型的叉指电极式传感器参数优化设计[J].电工电气, 2025(6).

[3] 孙义港,尹红彬,李国昊,et al.基于非支配排序鲸鱼优化算法的车用传动系统优化设计[J].Journal of Mechanical & Electrical Engineering, 2025, 42(4).DOI:10.3969/j.issn.1001-4551.2025.04.005.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇