Efficient path planning for UAV formation via comprehensivelyimproved particle swarm optimization

摘要：

自动生成最优飞行路径是自主式无人机编队系统的关键技术和挑战。为提高无人机编队航迹规划的快速性和最优性，提出了一种基于综合改进粒子群算法的无人机编队三维航迹规划算法。在该方法中，首先采用基于混沌的Logistic映射，以改善粒子的初始分布。然后，将常用的常加速度系数和最大速度系数设计为自适应线性变化的，以适应优化过程，同时提高解的最优性。此外，还提出了用期望粒子替换不期望粒子的变异策略，加快了算法的收敛速度。理论上，综合改进的粒子群算法不仅加快了收敛速度，而且提高了解的最优性。最后，对地形和威胁约束下的无人机编队进行了蒙特-卡罗仿真，仿真结果验证了该方法的快速性和最优性。

一、选文背景

课题研究背景需要对生成编队队形快速。

二、文章采用点

1.山地、雷达建模

山区建模： $z_k^m=h_k*\exp\left(\frac{\left(x_k^m-x_k^{m0}\right)^2}{x_k^t}+\frac{\left(y_k^m-y_k^{m0}\right)^2}{y_k^t}\right)$

雷达建模： $T_k=\left(x_k^r,y_k^r,z_k^r,R_k\right)$

2.目标函数设计

无人机编队飞行可行航迹搜索是一个复杂的多目标优化问题。综合考虑路径长度、环境约束和避碰等因素，无人机编队路径规划的评价函数可以写成

函数设计：f = fL+ fT+ fR+ fC

3.自适应最大速度系数

除惯性重量外，加速度系数c1、c2是另外两个关键参数。它们表明了随机加速度项的权重，将每个粒子拉到局部和全局最佳位置，并在调整收敛速度和搜索方向方面起着重要作用。在前半阶段，搜索过程占主导地位，而在后半阶段，收敛过程占主导地位。因此，加速度系数c1、c2被自适应地设计为：

$\begin{aligned}c_1&=c_{\max}-\frac{(c_{\max}-c_{\min})t}{T}\\c_2&=c_{\min}+\frac{(c_{\max}-c_{\min})t}{T}\end{aligned}$

其中T是总迭代次数，t是当前迭代次数，cmax、cmin是恒定值，其中cmax > cmin > 0。在仿真中，传统PSO的c1和c2被设置为与研究中相同的常数值，