一、遗传算法GA遗传算法Genetic Algorithm, GA是由 Holland 提出的一类基于进化思想的随机搜索优化算法通过模拟自然界自然选择与遗传变异机制在解空间中进行启发式全局寻优属于进化计算范畴。1 核心思想将优化问题的可行解编码为个体/染色体构成种群通过适应度函数评价解的优劣再经选择、交叉、变异操作迭代进化使种群逐步逼近全局最优解。2基本流程编码与种群初始化将决策变量映射为基因串随机生成初始种群。适应度评价计算个体适应度表征解的质量。选择依据适应度择优选择保留优良个体。交叉个体间交换基因片段产生新子代。变异基因位随机扰动维持种群多样性、避免早熟收敛。迭代终止满足迭代次数、精度或收敛条件时输出最优解。二、无人机UAV三维路径规划单个无人机三维路径规划数学模型参考如下文献Phung M D , Ha Q P . Safety-enhanced UAV Path Planning with Spherical Vector-based Particle Swarm Optimization[J]. arXiv e-prints, 2021.每个无人机的目标函数由路径长度成本安全性与可行性成本、飞行高度成本和路径平滑成本共同组成2.1路径长度成本路径长度成本由相邻两个节点之间的欧氏距离和构成其计算公式如下2.2路径安全性与可行性成本路径安全性与可行性成本通过下式计算2.3路径飞行高度成本飞行高度成本通过如下公式计算所得2.4路径平滑成本投影向量通过如下公式计算转弯角度的计算公式为爬坡角度的计算公式为平滑成本的计算公式为2.5总成本目标函数总成本由最优路径成本安全性与可行性成本、飞行高度成本和路径平滑成本的线性加权所得。其中b为加权系数。2.6 动态窗口法原理动态窗口法的核心思想是在速度空间中搜索最优速度向量用于无人机动态避障其核心步骤包括速度窗口采样根据无人机运动学约束生成可行速度集V s a m p l e V_{sample}Vsample​轨迹预测对每个采样速度预测未来一段时间内的无人机轨迹评价函数计算通过评价函数评估每条预测轨迹的优劣筛选出最优轨迹对应的速度速度更新将最优速度作为无人机的当前运动速度完成局部路径规划。评价函数包含目标趋近度、避障安全性和速度平滑性三个指标其表达式为G ( v , ω ) α ⋅ h e a d i n g ( v , ω ) β ⋅ d i s t ( v , ω ) γ ⋅ v e l o c i t y ( v , ω ) G(v,\omega)\alpha \cdot heading(v,\omega)\beta \cdot dist(v,\omega)\gamma \cdot velocity(v,\omega)G(v,ω)α⋅heading(v,ω)β⋅dist(v,ω)γ⋅velocity(v,ω)其中α , β , γ \alpha,\beta,\gammaα,β,γ为权重系数h e a d i n g headingheading表示轨迹与目标方向的夹角d i s t distdist表示轨迹与障碍物的最小距离v e l o c i t y velocityvelocity表示轨迹的速度大小。三、实验结果点击查看多无人机动态避障路径规划代码及效果演示在三维无人机路径规划中无人机的路径由起点终点以及起始点间的点共同连接而成。因此自变量为无人机起始点间的各点坐标每个无人机的目标函数为总成本公式9。本文研究3个无人机协同路径规划总的目标函数为3个无人机的总成本之和。%% 第一个无人机 起始点 start_location[120;200;100];end_location[800;800;150];ModelUAV(1).model.startstart_location;ModelUAV(1).model.endend_location;%% 第二个无人机 起始点 start_location[400;100;100];end_location[900;600;150];ModelUAV(2).model.startstart_location;ModelUAV(2).model.endend_location;%% 第三个无人机 起始点 start_location[200;150;150];end_location[850;750;150];ModelUAV(3).model.startstart_location;ModelUAV(3).model.endend_location;%% 第四个无人机 起始点 start_location[100;100;150];end_location[800;730;150];ModelUAV(4).model.startstart_location;ModelUAV(4).model.endend_location;%% 第5个无人机 起始点 start_location[500;100;130];end_location[850;650;150];ModelUAV(5).model.startstart_location;ModelUAV(5).model.endend_location;figure plot(Convergence_curve,LineWidth,2)xlabel(Iteration);ylabel(Best Cost);grid on;四、完整MATLAB代码见下方名片