.png){kind=icon}
.png){kind=icon}
返回
A Multi-Objective Optimization Framework Combining NSGA-II and MOPSO for UAV Path Planning
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-026-00521-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对参与协同作业和多任务点覆盖的多架无人机路径规划挑战，引入了一种多目标优化模型，即无人机路径规划模型（UAV-PPM）。该模型的目标是缩短路径长度、抑制高度波动、提升轨迹平滑度，并降低复杂环境下的飞行风险。传统优化方法在高维、多目标、动态条件下常表现出收敛不足和解决方案多样性有限的问题。为克服这些局限性，我们开发了一种多目标智能优化算法——智慧寻径算法（WWA），该算法整合了非支配排序遗传算法II（NSGA-II）和多目标粒子群优化（MOPSO）的机制。从 memetic 计算视角来看，WWA 融合了三种协同策略：(1) 振荡多样性策略，采用差分算子和 Lévy 飞行促进动态传播与局部细化；(2) 自适应补偿策略，通过多源信息融合与权重调整增强个体学习；(3) 喷流收敛策略，平衡局部收敛与全局探索，并纳入非精英信息以维持种群多样性。实验结果表明，WWA 在标准测试函数（ZDT、DTLZ、UF）上展现出良好的收敛性和稳健的解分布。应用于 UAV-PPM 问题后，WWA 相比 NSGA-II、MOPSO、NSGA-III 和多目标 rime-ice（MORIME）算法，在 IGD 指标上分别提升了 22.96%、25.74%、9.28% 和 57.12%，在 HV 指标上分别提升了 80.21%、41.45%、29.87% 和 117.96%。
Keyword:
UAV path planning model
Multi-objective optimization
Meta-heuristic algorithm
Cooperative scheduling