UAV Flight Path Planning Based on HPSOCAOA Optimization Algorithm

doi:10.3390/sym18050858

UAV Flight Path Planning Based on HPSOCAOA Optimization Algorithm

2026-05-18

0

PRE

AI

DOI：10.3390/sym18050858

原文链接

原文求助

摘要

En 中文

为解决无人机轨迹规划中鳄鱼伏击优化算法（CAOA）存在的问题——如易陷入局部最优、全局搜索与局部探索难以平衡、收敛精度低等，本研究提出一种基于混合粒子群与鳄鱼伏击优化算法（HPSOCAOA）的三维轨迹规划方法。首先，建立结合粒子群优化（PSO）算法和鳄鱼伏击优化算法（CAOA）的协同搜索结构；其次，设计自适应能耗系数以解决早期个体过早淘汰和后期收敛动力不足的问题，从而进一步平衡全局探索与局部开发；最后，引入交叉学习机制。通过精英个体跨组替换机制，PSO的精细调整识别高质量个体，并将其替换CAOA中的低质量个体。这解决了群体内冗余低质量个体和搜索效率低的问题，并提升了整体优化性能。标准测试函数表明，HPSOCAOA在优化精度和稳定性方面优于对比算法。在复杂三维山地环境路径规划仿真实验中，HPSOCAOA与经典智能算法对比，验证了其在复杂三维场景中的优越性和实用性。

Keyword:

UAV

3D flight path planning

HPSOCAOA

adaptive energy consumption strategy

cross-learning

UAV Flight Path Planning Based on HPSOCAOA Optimization Algorithm

摘要

期刊

机构