一种用于无人机三维路径规划的多机制混沌演化方法

《Scientific Reports》：A multi-mechanism chaotic evolution approach for 3D path planning of UAVs

　　

摘要

3D无人机路径规划旨在在包含多个障碍物和复杂约束条件的三维环境中生成安全、可行且优化的飞行轨迹。然而，许多现有的优化方法在处理高维受限搜索空间时遇到困难，因为种群多样性不足和过早收敛会显著降低优化效果。为了解决这些问题，本文提出了一种改进的混沌进化优化（ICEO）算法，该算法结合了几种协同优化策略。首先，引入了一种良好的点集初始化方法来提高初始种群分布的均匀性和多样性。随后，开发了一种多尺度梯度记忆机制，通过利用历史进化信息提供自适应搜索指导。此外，还采用了一种自适应Lévy飞行策略，在更有效的方式下平衡了全局探索能力和利用能力。在CEC基准函数上的实验评估表明，ICEO在收敛精度和优化稳定性方面优于几种代表性的元启发式算法。此外，在模拟的三维无人机路径规划场景中，所提出的方法能够在多种耦合约束条件下生成可行、平滑且相对高效的飞行轨迹。这些发现表明，该方法在复杂三维环境中的受限轨迹优化任务中具有广阔的应用前景。