基于聚类遗传的多无人机航迹规划_刘希

资 源 简 介

基于聚类遗传的多无人机航迹规划_刘希

详 情 说 明

多无人机航迹规划是当前无人机领域的重要研究方向，涉及如何在复杂环境中为多个无人机规划出最优或次优的飞行路径。刘希提出的基于聚类遗传的算法为该问题提供了一种创新解决方案。

该方法首先采用聚类算法对任务区域进行划分，将复杂的多机航迹规划问题分解为多个子问题。这种处理方式有效降低了问题复杂度，使算法能够更好地处理大规模场景。聚类后的子区域分配考虑了无人机性能差异和任务需求，确保各无人机负载均衡。

遗传算法部分则负责在每个聚类区域内寻找最优路径。算法设计了专门的染色体编码方式来表示航迹点序列，并采用改进的交叉和变异算子来保持种群多样性。适应度函数综合考虑路径长度、威胁规避和燃油消耗等多个优化目标。

这种混合算法的优势在于：聚类预处理缩小了遗传算法的搜索空间，提高了收敛速度；而遗传算法的全局搜索能力又能保证在子区域内找到优质解。实验结果表明，相比传统方法，该算法在规划效率和路径质量上都有显著提升，特别适合大规模多无人机的协同任务场景。

在实际应用中还需要考虑动态障碍物、通信延迟等现实约束，这也是未来改进的方向之一。