基于蝴蝶优化改进算法的无人机三维路径规划

摘要

针对无人机在多重威胁环境下路径规划复杂度高、难以在有效时间内生成高质量路径的问题，提出一种多策略融合的粒子群-蝴蝶优化改进算法(IPSOBOA)。通过Tent混沌映射结合反向学习策略优化初始种群，增强种群多样性；引入非线性参数调整和动态转换概率机制，平衡全局搜索与局部开发；结合粒子群算法，在局部搜索阶段引入速度项，提出在速度动态变化的位置更新方程，提升搜索效率。分别基于三维静态和动态环境下不同威胁场景，将IPSOBOA与蝴蝶优化算法及其他多种优化算法进行对比。实验结果表明：IPSOBOA在静态环境的3种场景下相较于蝴蝶优化算法，最优适应度值分别优化1.8%、17%和44%,路径长度分别优化1.8%、42.4%和61.3%;在动态环境下实现全局路径跟踪与实时避障的结合，生成更平滑、安全性更高的路径。

关键词

蝴蝶优化算法 / 动态窗口法 / Tent混沌映射 / 反向学习 / 路径规划