.png){kind=icon}
返回
An Enhanced MOPSO Algorithm for Multi-Objective UAV Path Planning in Mountainous Environments
.png){kind=icon}
PRE
AI
DOI：10.3390/sym17111890.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
山区环境下无人机的路径规划需要满足地形规避和障碍物规避约束，同时优化路径长度、飞行时间和能耗。为解决这些挑战，本文提出EC-MOPSO（基于Epsilon支配和拥挤距离的多目标粒子群优化算法）。受对称性原理启发，该算法通过空间对称的存档管理，将自适应参数调整机制与Epsilon支配-拥挤存档策略相结合，以平衡全局探索和局部开发。一种可安全修复的B样条轨迹模型确保在复杂地形条件下生成平滑且可行的飞行路径。仿真结果表明，EC-MOPSO可将路径长度减少10%-40%，提升归一化超体积超过25%，降低性能方差20%-25%，证实其相比代表性多目标优化方法具有更快的收敛速度和更高的鲁棒性。消融实验进一步验证了自适应参数机制和Epsilon支配-拥挤策略均能显著增强收敛稳定性和整体优化性能。总体而言，EC-MOPSO为实际山地救援任务中生成高效、安全且节能的无人机轨迹提供了自适应且可靠的优化框架。
Keyword:
emergency rescue
epsilon-dominance
mountainous environments
multi-objective particle swarm optimization
repairable operator
unmanned aerial vehicles
期刊
S
IF:
2.2
论文数:
1.4K
被引数:
0
机构
引用论文
A Hybrid Initialization and Effective Reproduction-Based Evolutionary Algorithm for Tackling Bi-Objective Large-Scale Feature Selection in Classification.png)
Mathematics
MathematicsIF0
PREAI
分享收藏Adaptive multi-objective particle swarm optimization using three-stage strategy with decomposition基于三阶段分解策略的自适应多目标粒子群优化算法SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏An improved multi-objective particle swarm optimization algorithm for the design of foundation pit of rail transit upper cover project一种改进的多目标粒子群算法在轨道交通上盖工程基坑设计中的应用SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Parametric Study of Structured UTM Separation Recommendations with Physics-Based Monte Carlo Distribution for Collision Risk Model基于物理蒙特卡罗分布的碰撞风险模型对结构化UTM分离建议的参数研究DRONES
OAAI
DRONESIF4.8
OAAI分享收藏分享收藏Lv, F.; Jian, Y.; Yuan, K.; Lu, Y. Unmanned Aerial Vehicle Path Planning Method Based on Improved Dung Beetle Optimization Algorithm. Symmetry 2025, 17, 367. [Google Scholar] [CrossRef]Lv, F.; Jian, Y.; Yuan, K.; Lu, Y. 基于改进圣甲虫优化算法的无人机路径规划方法. Symmetry 2025, 17, 367. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容