基于DDPG与ILA优化算法的植保无人机全局路径规划方法及其在精准农业中的应用探索

本刊推荐：本文创新性地提出一种融合深度确定性策略梯度（DDPG）与改进利希滕伯格算法（ILA）的双层路径规划架构，有效解决了植保无人机在复杂农田场景中的动态避障与静态覆盖优化问题。研究通过多奖励机制设计加速DDPG收敛，结合ILA优化航向角控制，显著降低重播率（rebroadcast rate）与转向次数，为农业自动化提供了兼具实时性与能耗优化的一体化解决方案。

　　

Highlight

田间路径规划的算法设计

当植保无人机在农田间转移时，常会遇到各类障碍物。与传统需要全局信息的智能优化算法（如粒子群优化PSO）不同，深度强化学习（DRL）理论具备更高的自主性、实时性和适应性。本研究采用深度确定性策略梯度（DDPG）算法，通过基于真实地理数据构建的充满随机障碍物的虚拟环境，使无人机学会最优响应策略。其目标是最小化飞行路径长度和转弯幅度，并设计多奖励机制以加速收敛，实现实时高效的避障。

基于ILA优化算法的田间路径规划

在植保无人机作业中，全覆盖路径规划（CCPP）对确保全面喷洒至关重要。传统方法仅适用于规则矩形区域，而对不规则多边形作业区会产生冗余覆盖。本研究利用ILA优化算法，建立考虑无人机航向的轨迹规划模型，制定优化准则，通过该算法确定最优作业路线。

基于DDPG和ILA优化算法的无人机路径规划方法流程图

图5展示了基于DDPG和ILA优化算法设计的全局植保无人机路径规划方法流程图。无人机从起点开始，根据田块形状和边界点位置信息使用ILA算法规划田间合适路径。喷洒完成后到达单块田地的终点，随即启用DDPG算法进行实时路径规划。无人机通过传感器感知周围环境状态，并基于DDPG策略网络输出动作指令，直至安全抵达下一目标农田。

示例测试

为验证所提方法的有效性，本文进行了以下仿真测试：农田间路径规划、农田内路径规划以及全局路径规划。所有仿真均在二维平面进行，符合植保无人机恒定高度作业的约束条件，便于清晰评估算法性能。

总结与展望

本文提出了一种新颖有效的双层路径规划框架，以解决复杂农业场景中植保无人机的全局路径规划难题。本工作的核心创新在于开创性地整合DDPG算法（用于动态田间导航）和ILA优化算法（用于静态田间覆盖），提供了超越单一算法应用的全面解决方案。