目录1.摘要2.无人机路径规划3.提出算法4.结果展示5.参考文献6.代码获取7.算法辅导·应用定制·读者交流1.摘要针对三维低空城市环境中无人机路径规划问题本文提出一种多策略改进粒子群优化算法MSIPSO该算法通过局部死锁跳出策略、参数自适应调节以及多种群差异化进化策略提升了算法在复杂障碍环境中的路径规划能力。2.无人机路径规划环境模型物联网通过传感器网络为无人机提供实时环境数据与通信支持但城市低空密集建筑增加了路径规划难度。本文采用立方体障碍物建模提高空间利用率并利用B样条曲线与控制点优化将路径规划转化为优化问题通过 MSIPSO 算法优化控制点位置以获得平滑且无碰撞的最优路径。约束条件与目标函数为实现无人机在城市低空环境中的最优路径规划综合考虑路径长度、安全性、飞行高度和角度变化等约束常见UAV模型单目标处理F λ f L μ f S ϕ f H γ f A F\lambda f_L\mu f_S\phi f_H\gamma f_AFλfL​μfS​ϕfH​γfA​3.提出算法局部死锁跳出策略在高密集障碍环境中PSO算法容易因初始粒子位置不佳而陷入局部死锁表现为路径与障碍物重叠且适应度值长期较高。为此MSIPSO引入局部死锁逃逸策略通过设定适应度阈值判断是否进入死锁状态当全局最优适应度超过阈值时触发该策略从而改变粒子搜索方式并提高随机性使粒子能够跳出当前局部区域并在整个解空间重新探索。适应度阈值F m a x K m a x ⋅ ∥ p e n d − p s t a r t ∥ F_{max} K_{max} \cdot \|p_{end} - p_{start}\|Fmax​Kmax​⋅∥pend​−pstart​∥触发条件F ( g t ) F m a x F(g_t) F_{max}F(gt​)Fmax​速度更新公式v i t 1 A − 2 A ⋅ r 3 v_i^{t1} A - 2A \cdot r_3vit1​A−2A⋅r3​A L N A \frac{L}{N}ANL​其中L LL为搜索空间维数长度N NN为粒子数量r 3 ∈ [ 0 , 1 ] r_3 \in [0,1]r3​∈[0,1]。多样化进化策略多种群差异化进化策略根据粒子适应度将种群划分为三类并采用不同更新策略以提升搜索效率与避免局部最优。精英种群D 1 D_{1}D1​接近当前最优解采用精细搜索策略p i D 1 ( t 1 ) p i D 1 ( t ) ( a 1 ( a 2 − a 1 ) t M ) ν i ( t 1 ) p_i^{D1}(t1)p_i^{D1}(t)\left(a_1(a_2-a_1)\frac{t}{M}\right)\nu_i(t1)piD1​(t1)piD1​(t)(a1​(a2​−a1​)Mt​)νi​(t1)中等种群D 2 D_{2}D2​数量较多采用较大范围搜索策略p i D 2 ( t 1 ) p i D 2 ( t ) ( b 1 ( b 2 − b 1 ) t M ) ν i ( t 1 ) p_i^{D2}(t1)p_i^{D2}(t)\left(b_1(b_2-b_1)\frac{t}{M}\right)\nu_i(t1)piD2​(t1)piD2​(t)(b1​(b2​−b1​)Mt​)νi​(t1)较差种群D 3 D_{3}D3​远离当前最优解采用随机更新策略p i D 3 ( t 1 ) r 4 ( p m a x − p m i n ) p_i^{D3}(t1)r_4(p_{max}-p_{min})piD3​(t1)r4​(pmax​−pmin​)4.结果展示5.参考文献[1] Tao F, Chen Z, Wang Z, et al. Multi-Strategy Improved Particle Swarm Optimization Algorithm for Path Planning of UAV in 3-D Low Altitude Urban Environment[J]. IEEE Internet of Things Journal, 2025.6.代码获取xx7.算法辅导·应用定制·读者交流xx