复杂威胁环境下基于改进红隼优化算法的无人机三维路径规划

《IEEE Access》：3D Path Planning for UAVs Based on Improved Red Kite Optimization Algorithm in Complex Threat Environments

　　

摘要：

针对传统红鸢优化算法（ROA）在复杂三维环境中用于无人机（UAV）路径规划时存在的收敛速度慢、优化精度低、易陷入局部最优以及稳定性不足等问题，本文提出了一种改进的红鸢优化算法（IROA）。首先，引入了个人历史记忆机制（PHMM），用加权历史经验取代随机扰动，以增强算法的方向性搜索能力。其次，采用基于余弦的非线性自适应权重策略，以动态平衡全局探索与局部开发。最后，嵌入贪婪选择策略，以确保种群解质量的单调非劣化。在实验部分，首先使用基准测试函数验证了改进算法的性能，然后在模拟环境中构建了四种类型的无人机飞行路径规划场景进行对比。结果表明，在最优值、平均值和稳定性指标方面，IROA 优于 ROA、WOA、HHO、DBO、WHO 等其他算法。其收敛速度和优化精度显著提高，即使在复杂度各异的障碍物场景中也能生成高质量路径，这验证了所提算法在三维无人机路径规划中的可行性。