基于混沌麻雀搜索算法的无人机航迹规划方法_汤安迪
摘要:无人机航迹规划是无人机系统中的一项关键技术,影响着无人机的任务执行效率和安全性。本
文基于混沌麻雀搜索算法(SSA),提出了一种改进的无人机航迹规划方法。首先,介绍了 SSA 的基
本原理和特点;然后,详细阐述了改进的 SSA 策略,包括立方混沌、反向学习初始化种群、反向精英
策略改进发现者策略、正余弦算法改进加入者策略、动态调整警觉者数量以及高斯策略扰动;接着,
进行了 23 个基准测试函数的改进算法实现,并对改进算法与 SSA 进行了对比分析;最后,通过混沌
图分析加深了对改进算法的理解。通过本文的研究,我们发现改进的 SSA 在航迹规划中具有更好的搜
索性能和收敛效果,能够提高无人机的任务执行效率和安全性。
1. 引言
无人机系统作为一种重要的智能飞行器,广泛应用于军事、民用和商业领域。无人机航迹规划是
无人机系统中的关键技术之一,其目标是通过合理规划无人机的航迹,实现高效、安全、稳定的无人
机任务执行。传统的航迹规划方法存在搜索能力较弱、收敛速度慢等问题,需要引入更加高效的优化
算法来改进航迹规划性能。
2. 混沌麻雀搜索算法(SSA)
2.1. 基本原理
SSA 是一种基于混沌理论和自然鸟群行为模拟的优化算法,其基本原理是将鸟群搜索中的觅食行
为和警戒行为抽象为算法的运算过程。它通过模拟鸟群在搜索和发现过程中的行为,实现对优化问题
的全局搜索和局部优化。
2.2. 算法特点
SSA 具有以下几个特点:
- 混沌搜索过程能够提高全局搜索能力,增加算法的探索性。
- 鸟群行为模拟能够提高局部搜索能力,增加算法的收敛性。
- 算法使用了多种策略相结合,兼顾了搜索和优化的能力。
- 算法能够自适应调整搜索过程中的参数,提高算法的适应性和鲁棒性。
3. 改进的 SSA 策略(CSSA)
3.1 立方混沌
立方混沌是一种基于高维混沌映射的混沌序列生成方式,通过引入立方混沌能够增加搜索空间的
多样性,提高算法的全局搜索能力。
3.2 反向学习初始化种群
反向学习初始化种群是一种改进的初始种群生成策略,通过学习历史搜索过程中的经验,使得初
始种群能够更好地适应当前问题的搜索空间特征,提高算法的收敛速度和精度。