37、基于多目标粒子群优化的无人机群复杂地形实时路径规划算法

基于多目标粒子群优化的无人机群复杂地形实时路径规划算法

一、引言

近年来，无人机群在国防、电力维护、植保检测等方面发挥着越来越重要的作用，相关技术也成为了热门研究课题。路径规划的目的是根据一定的评估标准和约束条件，找到一条从初始位置到目的地且无碰撞的最优路径。在进行多机路径规划时，必须考虑群内的避碰问题。而且，路径规划的求解时间会随着地形和任务规模的增大而呈指数级增长。为了降低计算复杂度，通常采用经典和启发式两种解决方案。

经典方法中，比较有代表性的有 A* 算法、Voronoi 图算法和势场算法等。这些方法的优点在于简单、通用且高效。启发式算法则基于自然界的认知过程，为解决机器人路径规划问题提供了另一种途径，如遗传算法（GA）、蚁群优化算法（ACO）、多目标粒子群优化算法（MOPSO）等。这些启发式算法特别适合寻找多目标的最优解集。

目前，路径规划问题主要集中在单无人机上。少数关于多无人机的研究采用离线或并行方式处理问题，其可靠性和可行性还有待进一步提高。

本文提出的方法将多无人机路径规划分为两个阶段。第一阶段，综合考虑各种算法的优缺点，采用多目标粒子群优化算法快速处理静态环境信息，并基于参考点方法选择几条非支配可行路径，作为无人机群的预设飞行方向。第二阶段，在多无人机路径规划中考虑四旋翼无人机的动力学特性，研究基于动态四旋翼无人机小队的无碰撞群聚行为，以实现路径中的避碰和避障。最后通过数值示例验证理论分析，使无人机群能够同时到达目标附近。

二、问题描述

2.1 可分解极坐标法（DPM）

从卫星或雷达的视角进行建模，可将外层空间视为由 N 层等效幕布包围的球体。第 i 层的路径点可表示为 $