无人机的路径规划基于改进的生物灵感金枪鱼群优化算法
Qinyong Wang1, Minghai Xu2, Zhongyi Hu3
1School of Artificial Intelligence, Zhejiang College of Security Technology, Wenzhou 325016, China.
Biomimetics (Basel, Switzerland)
|July 26, 2024
概括
新的Sine-Levy金枪鱼群优化 (SLTSO) 算法通过避免局部最佳并增强全球搜索来改善无人机导航. 这种新的方法优化了无人机 (UAV) 飞行路径的效率和安全.
科学领域:
- 人工智能的人工智能
- 优化算法 优化算法
- 机器人技术 机器人技术 机器人技术
背景情况:
- 鱼群优化 (TSO) 在全球搜索方面面临局限性,并避免了本地优化.
- 高效的无人机路径规划对于复杂的环境至关重要.
研究的目的:
- 介绍了Sine-Levy金枪鱼群群优化 (SLTSO) 算法.
- 通过解决 TSO 的缺陷来提高 UAV 飞行路径规划能力.
主要方法:
- 开发了SLTSO,整合了正弦策略和Levy飞行指导.
- 集成精英逆向学习用于初始解决方案和金正弦值用于本地优化.
- 考虑无人机飞行限制 (障碍物,环境,距离,高度) 和性能指标.
主要成果:
- 与TSO相比,SLTSO表现出更快的融合和更高的优化精度.
- 实现了更短,更光滑的无人机路径,降低了能源消耗.
- 通过模拟和路径规划模型验证有效性.
结论:
- SLTSO算法在无人机路线规划中提供了显著的改进.
- SLTSO有效地在复杂的环境中导航,同时优化路径效率和安全.
- 拟议的方法显示了无人机导航应用的有效性和优越性.
