基于Levy飞行的动态调整策略改进SPSO算法无人机三维航迹规划OA

针对三维环境中无人机航迹规划问题,在球面矢量粒子群优化算法(Spherical vector-based particle swarm optimization algorithm,SPSO)的基础上提出了一种新的基于Levy飞行的动态调整策略改进球面矢量粒子群优化算法(Spherical vector particle swarm optimization algorithm for dynamic adjustment strategy based on Levy flight,LDS-SPSO),以解决收敛速度慢和易陷入局部最优解的问题.首先,将航迹规划问题转化为多约束目标优化问题,构造了基于航迹长度、障碍物威胁、平滑度和高度变化的适应度目标函数;其次,提出了学习因子动态调整策略,提升收敛速度;然后,当粒子陷入局部最优解时,引入Levy飞行扰动因子促使粒子迅速逃出局部最优解;最后,在三维环境下对提出的算法进行了仿真测试,在4个复杂度不同的数字高程三维场景下开展三维航迹规划仿真.仿真结果验证了改进算法的性能:该算法生成的航迹在保证避障安全的前提下,航迹代价更低、质量更高、路径更平滑,具有更优的寻优精度和更快的收敛速度.在障碍物密集的场景下,LDS-SPSO算法相比传统的粒子群算法(Particle Swarm Optimization,PSO)、惯性权重线性递减基于球面矢量的改进粒子群算法(Improved Particle Swarm Optimization algorithm,IPSO)和SPSO算法的最佳适应度值分别减少了22.92%、0.51%、0.34%,平均适应度值分别减少了31.18%、6.33%、4.54%,最差适应度值分别减少了36.45%、16.73%、14.77%.研究结果表明,LDS-SPSO算法在三维航迹规划中展现出更快的收敛性、更好的稳定性和可靠性.