.png){kind=icon}
返回
A Hybrid Optimization Algorithm for Enhanced Path Planning in Dynamic Multi-UAV Environments
.png){kind=icon}
PRE
AI
DOI：10.3390/sym18050749.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态复杂环境下多无人机路径规划是一个具有挑战性的约束优化问题，因为它需要同时考虑路径效率、避障、高度可行性、飞行平滑性以及无人机间路径多样性。现有方法往往难以维持搜索多样性、平衡探索与开发，并在高维搜索空间中避免早熟收敛。为解决此问题，本文提出了一种基于Q学习引导的哈里斯鹰优化-遗传算法（QHHO_GA），该算法整合了遗传算法（GA）、哈里斯鹰优化（HHO）、Q学习、优先经验回放、基于熵的状态划分以及基于快速探索随机树（RRT）的停滞调整机制。在所提出的框架中，GA增强种群质量和多样性，HHO执行核心搜索，Q学习自适应引导HHO行为，而基于RRT的停滞监测与停滞调整提高了摆脱局部陷阱区域的能力。在CEC2017基准测试套件和多无人机路径规划任务上的实验结果表明了所提出方法的有效性。在CEC2017基准测试中，QHHO_GA在30个测试函数中有18个排名前两位，并在比较算法中实现了最佳整体排名。在无人机路径规划实验中，其平均排名为3.44，并在所有比较方法中实现了最佳整体排名。这些结果表明，QHHO_GA是高维约束优化的一种稳健且具有竞争力的方法，尤其适用于复杂的无人机路径规划任务。
Keyword:
multi-UAV path planning
Harris Hawk Optimization
Genetic Algorithm
Q-learning
Rapidly exploring Random Tree
dynamic environments
期刊
S
IF:
2.2
论文数:
1.4K
被引数:
0
机构
引用论文
Dynamic Scene Path Planning of UAVs Based on Deep Reinforcement Learning基于深度强化学习的无人机动态场景路径规划.png)
DRONES
OAAI
DRONESIF4.8
OAAI分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏MP-RRT#: a Model Predictive Sampling-based Motion Planning Algorithm for Unmanned Aircraft SystemsMp-rrt #: 一种基于模型预测采样的无人机系统运动规划算法OAAI
OAAI分享收藏分享收藏Dynamic Adaptive Ant Lion Optimizer applied to route planning for unmanned aerial vehicleSOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏分享收藏Multi-strategy optimization of HHO algorithm for path planning of warehouse robots仓库机器人路径规划的HHO算法多策略优化
PREAI
分享收藏A Novel Bat Algorithm based on Collaborative and Dynamic Learning of Opposite Population2018 IEEE 22nd International Conference on Computer Supported Cooperative Work in Design ((CSCWD))
2018 IEEE 22nd International Conference on Computer Supported Cooperative Work in Design ((CSCWD))IF0
PREAI
分享收藏
查看更多内容