基于Q學習算術優化算法的無人機三維航跡規劃

丁兵兵, 匡珍春, 盧 來

(1.湛江科技學院智能制造學院,廣東 湛江 524000; 2.廣東海洋大學數學與計算機學院,廣東 湛江 524000)

0 引言

無人機技術廣泛應用在軍事、民用等諸多領域,如無人機物流配送、地形勘測、無人機作戰等[1-3]。三維地形環境中的無人機航跡規劃需要在復雜地形中滿足多個約束條件下尋找一條從起飛點至目標點間的安全最優飛行路徑,這是無人機任務執行的基礎保障,也是無人機協同任務執行的關鍵技術[4]。常用無人機三維航跡規劃算法包括A*算法[5]、快速搜索隨機樹(RRT)算法[6]、概率路線圖(PRM)算法[7]、人工勢場算法[8]等,但這類傳統方法各有不足。A*算法計算量和規劃時間會隨問題規模增大而劇烈增加,航跡規劃冗余點過多,搜索效率較低;RRT和PRM均屬于概率型算法,前者通過概率分布連續得到生成樹,直到樹節點抵達目標點,后者以地圖為基礎作概率點實現節點離散化,連接可視線段實現路徑尋優,但這兩種算法的隨機性較大,航跡規劃拐彎明顯,甚至出現繞遠,在復雜障礙條件下規劃代價過高;人工勢場算法則在面對復雜威脅環境時航跡規劃容易出現停滯,進而得到局部最優解。

近年來,智能優化算法在解決航跡規劃問題上因為啟發性、收斂快和魯棒性強的優勢得到了較好應用。文獻[9]在鯨魚優化算法(WOA)中引入萊維飛行機制,解決了無人機三維航跡規劃中全局搜索與局部開發間的均衡問題;文獻[10]對蟻群算法(AOA)的信息素更新方式進行……