【无人机路径规划】基于自适应更新策略差分进化算法（SaUSDE）求解CEC2017和CEC2020基准函数和外行星或导弹轨迹路径规划附Matlab代码

SaUSDE算法解决路径规划问题

原创于 2025-09-15 23:48:42 发布 · 1.2k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#无人机 #算法 #matlab

✅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

路径规划问题是NP难问题的一种，近年来，研究人员在各种环境中努力解决路径规划问题。本文首次解决了球形多飞机路径规划问题(SMAPPP)，该问题旨在模拟未来对探索外行星或导弹轨迹的航天器进行路径规划的研究。微分进化（DE）算法，作为一种经典的元启发式算法，在应用于SMAPPP时，并不能取得令人满意的结果。由于DE的全局和局部搜索能力之间的失衡，本文提出了一种自适应更新策略差分进化算法（SaUSDE）以增强其解决全局优化问题的性能。 SaUSDE 算法结合了四种不同的DE变种策略。在这些策略中，算法能够自适应且频繁地为不同的问题选择更合适的策略，从而有效地平衡全局和局部搜索能力。为了验证算法的有效性，我们在10D、30D、50D和100D的CEC2017基准函数以及来自CEC2020的48个现实约束优化问题上进行了测试。基于这些问题，我们的算法与几种先进的DE变种和一些在CEC2020比赛中获胜的算法进行了比较。与这些先进的算法相比，所提出的算法通常取得了更好的结果。最后，SaUSDE 应用于模拟的球形多无人机路径规划问题。在涉及3到12架无人机的场景中，SaUSDE 算法有效地避免了每架无人机与特定的禁飞区（静态障碍物）以及未知飞行物（动态障碍物）之间的碰撞。

⛳️ 运行结果

📣 部分代码

n sphere data

R = 100; % Radius

Sphere = surf(R*x, R*y, R*z, 'FaceColor', 'b', 'EdgeColor', 'none'); % plot

axis equal;

axis off

shading interp

% camlight(270, 0);

% lighting gouraud;

material shiny;

% alpha(Sphere, 0.2);

hold on;

%% =========================Create aircraft====================

totalAerocraft = 1; %The number of aerocrfts

aerocraftRadius = repmat([5],1,totalAerocraft);

% select 2 point

a_theta1 = [pi/4]; % Polar angle at the starting point

a_phi1 = [3*pi/2]; % The azimuth angle of the starting point

a_theta2 = [3*pi/4]; % Polar angle at the endpoint

a_phi2 = [3*pi/2]; % Azimuth of the endpoint

a_x1 = (R+5) * sin(a_theta1) .* cos(a_phi1);

a_y1 = (R+5) * sin(a_theta1) .* sin(a_phi1);

a_z1 = (R+5) * cos(a_theta1);

a_x2 = R * sin(a_theta2) .* cos(a_phi2);

🔗 参考文献

Zhu, Lun, et al. "Solving spherical multi-aircraft path planning problem using self-adaptive update strategy differential evolution algorithm." Swarm and Evolutionary Computation 96 (2025): 102004.