.png){kind=icon}
返回
Multi-mission multi-UAVs smooth path planning utilizing a sub-optimal solutions based hybrid multi-objective differential evolutionary algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aei.2025.103999.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着实际情况变得越来越复杂，需要通过多架无人机（UAVs）来满足复杂任务的需求。针对多架UAV需要同时到达多个任务点的复杂情况，本文基于最小化总路径长度和最小化路径曲率，构建了一个具有两个目标函数的多UAV多任务点平滑路径规划模型（PPM）。该模型通过限制UAV的飞行轨迹和速度，使其能够同时到达任务点，并且要求路径在任务点处满足G0连续性和G1连续性。针对该模型，提出了一种基于次优解的混合多目标差分进化算法（SHMODE）。SHMODE包含三种基于次优解的新变异机制。这三种变异机制能够有效增强算法的收敛性和多样性。同时，个体非支配记忆策略为更新个体位置提供了更多样化的选择。此外，SHMODE还融入了自适应变异因子策略和WeiBull探索算子策略。WeiBull探索算子提升了个体的探索能力。为验证SHMODE的效率，将其与经典测试集DTLZ上的几种优秀多目标算法进行比较。数据显示SHMODE具有明显优势。最后，将SHMODE应用于正在构建的复杂优化模型。在不同环境中，SHMODE始终在所提出的几个性能指标中实现相对最优。其生成的飞行路径也相对最安全、最平滑和最协调。
