返回
A UAV Path-Planning Method Based on Multi-Mechanism Improved Dung Beetle Optimizer Algorithm in Complex Constrained Environments
DOI:10.3390/sym18020383.png)
摘要
En 中文
无人机(UAVs)作为物联网(IoT)向三维空间维度演进的关键使能器,在跨领域数据收集方面发挥着关键作用。然而,在障碍物密集且威胁频发的环境中进行路径规划,仍是其安全高效运行的核心瓶颈。传统元启发式算法存在探索不足、收敛缓慢和易陷入局部最优等问题。为解决此问题,我们提出了一种增强的多机制DBO算法(MMDBO),集成了SPM混沌映射、动态全局探索、自适应T分布和动态权重机制。与五种经典算法在12个基准测试函数和三种复杂地形上的对比实验表明,MMDBO在包括飞行轨迹长度、高度剖面保真度和路径平滑度等多数关键路径规划指标上表现更优,同时仅带来适度的计算时间增加。统计测试结果进一步显示,MMDBO算法在收敛速度和精度方面显著优于对比算法。这些进展为无人机飞行路径优化提供了切实可行且高度可靠的指导。
Keyword:
UAV
path planning
meta-heuristic algorithms
dung beetle optimizer
multi-mechanism
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
2.2
论文数:
1.4K
被引数:
0
机构
引用论文
AI-based energy-efficient path planning of multiple logistics UAVs in intelligent transportation systems智能交通系统中基于AI的多物流无人机节能路径规划
Three-Dimensional UAV Trajectory Planning Based on Improved Sparrow Search Algorithm基于改进麻雀搜索算法的三维无人机轨迹规划
SYMMETRY-BASEL
IF2.2
<p>Project: A Risk-based Unmanned Aerial Vehicle Path Planning Scheme for Complex Air-Ground Environments</p>
ETS-Data
IF0
Multi-Strategy Improved Dung Beetle Optimization Algorithm and Its Applications多策略改进的粪甲虫优化算法及其应用
BIOMIMETICS
IF3.9

