利用改进的多领导者多目标鲸鱼优化算法解决三维无人机路径规划问题

《Biomimetics》:Solving the 3D UAV Path Planning Problem Using an Improved Multi-Leader Multi-Objective Whale Optimization Algorithm

【字体: 大 中 小 】 时间:2026年07月03日 来源:Biomimetics 4.2

编辑推荐:

   摘要

  

摘要

在复杂的静态3D环境中进行无人机路径规划时,需要同时考虑多种相互冲突的目标以及复杂的约束条件。而在处理那些约束极为严格的路径规划任务时,传统多目标鲸鱼优化算法往往存在可行解比例低、收敛不稳定、搜索偏向单一最优解以及帕累托解分布不均等问题。为了解决这些问题,本研究将无人机路径规划问题视为一个多目标优化问题,同时兼顾路径长度、威胁成本、平滑度成本以及高度成本等因素,并提出了一种改进的多领导者多目标鲸鱼优化算法(IML-MOWOA)。该算法在优化过程的三个关键阶段进行了改进:初始种群构建、搜索引导以及外部档案维护。具体而言,首先采用一种自适应的基于对立学习的初始化策略,以提高初始路径的可行性和空间覆盖范围。基于得到的非支配解集,再利用基于网格的外部档案更新策略来调节解的密度,并从稀疏的帕累托区域中筛选出具有代表性的候选最优解。随后,通过结合软最大值函数与余弦退火机制的多领导者动态加权搜索机制,将这些最优解整合到鲸鱼优化算法的更新过程中,从而增强多方向的路径探索能力,避免过早收敛。在三种复杂程度不同的静态3D环境中的对比实验表明,与现有基准算法相比,所提出的方法具有更稳定的收敛性、更好的帕累托前沿分布,以及更均衡的任务级路径质量。在最具挑战性的场景下,IML-MOWOA产生的可行路径数量最多,平均IGD值降低了25.04%,而路径长度、威胁成本、平滑度成本以及高度成本则分别降低了1.65%、28.45%、53.23%和29.88%,这些数值均优于其他同类算法中的最佳表现。这些结果充分证明了该算法在复杂静态3D环境中的受限多目标无人机路径规划任务中具有高效且稳健的性能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号