文献类型：期刊文章

作　　者：黄书召[1] 田军委[2] 乔路[2] 王沁[2] 苏宇[2]

HUANG Shuzhao;TIAN Junwei;QIAO Lu;WANG Qin;SU Yu(School of Electronic Information Engineering,Xi’an Technological University,Xi’an Shaanxi 710021,China;School of Mechatronic Engineering,Xi’an Technological University,Xi’an Shaanxi 710021,China)

机构地区：[1]西安工业大学电子信息工程学院,西安710021 [2]西安工业大学机电工程学院,西安710021

出　　处：《计算机应用》

基　　金：陕西省科技统筹创新工程计划项目(2015KTZDGY-02-01);陕西省重点研发计划项目(2020GY-188,2020NY-148)。

年　　份：2021

卷　　号：41

期　　号：2

起止页码：390-397

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径。首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复杂、精确的数学模型;然后,提出了混合无重串选择算子、非对称映射交叉算子和启发式多次变异算子,寻找最优路径以及扩大种群搜索范围;最后,采用三次B样条曲线对规划出的路径进行平滑,得到平滑的飞行路径,并且减少了算法的计算时间。实验结果表明,与传统遗传算法相比,所提算法的代价值降低了68%,收敛迭代次数减少了67%;相较蚁群优化(ACO)算法,其代价值降低了55%,收敛迭代次数减少了58%。通过大量对比实验得出,当交叉率的值为(1/染色体长度)时,算法的收敛效果最好。在不同环境下进行算法性能测试,结果表明所提算法具有很好的环境适应性,适合于复杂环境下的路径规划。

关 键 词：遗传算法 无人机 交叉算子 B样条曲线 路径规划

分 类 号：TP181] TP13]