基于混沌灰狼优化算法的多无人机协同路径规划

《The Aeronautical Journal》：Multi-UAV cooperative path planning based on chaotic grey wolf optimiser

混沌灰色狼优化算法通过混沌初始化和动态平衡机制提升多无人机路径规划的收敛速度和精度，在CEC2017测试及仿真中优于传统方法。

　　

摘要

协作式无人机（UAV）任务的成功依赖于有效的多无人机路径规划。为了解决传统灰狼优化器（GWO）在种群初始化阶段存在的个体多样性有限以及容易陷入局部最优解的问题，本文提出了一种改进的混沌灰狼优化器（CGWO）。该算法通过引入混沌初始化方法来生成分布更均匀的初始解，从而增强种群的多样性。结合混沌局部搜索策略，它采用了一种动态平衡机制，使种群中的个体能够在全局探索和局部优化之间取得平衡，从而摆脱局部最优解的约束并加速最优解的收敛。通过使用CEC2017基准函数和对多无人机任务场景的仿真测试，验证了该算法的有效性。结果清楚地表明，在基准测试中，改进后的算法在收敛精度和速度方面显著优于原始的GWO以及其他常见的优化算法。在多无人机任务场景中，改进后的算法在轨迹规划方面表现出色，能够灵活避开障碍物，同时保持无人机的平稳飞行路径。总体而言，这项研究为协作式多无人机任务路径规划提供了一个实用的解决方案。

---

---