基于改进飞蛾扑火算法的无人机低空突防路径规划

摘要

针对传统群体智能优化算法在复杂环境下求解无人机突防过程中路径搜索能力不足,易陷入局部最优、搜索时间长等问题,提出了一种基于改进的飞蛾扑火优化算法的无人机智能突防方法.首先,建立基本地形模型、威胁源模型,实现三维等效地形;然后,在飞蛾扑火算法中引入交叉算子和高斯变异算子,引起火焰变异,在迭代前期加快寻优速度,增强算法的全局搜索能力;最后,在算法中引入自适应权重,增大适应度较差飞蛾运动轨迹的搜索空间,改善寻优精度.实验结果表明,所提出算法可以使无人机快速地自主避开危险区域,选择最优路径,所提出算法规划的突防路径相比MFO及GWO算法分别降低了25.14 km和14.77 km,代价相比其他两种算法分别降低了3.63及10.25,提高了无人机的生存概率,较大地降低了风险成本,实现低空突防的目的.