封 硕，郑宝娟，陈文兴，张婷宇

1.长安大学 工程机械学院，西安710064

2.长安大学 理学院，西安710064

3.武汉大学 数学与统计学院，武汉430072

1 引言

在战场环境中要为无人机规划出合理的路径需要考虑多方面的因素，如无人机本身的性能、地形因素、威胁，隐蔽性等，使其能够以更低风险和更廉价费用得到一个最优的路径，是一个NP完全问题，是无人机任务规划系统研究的难点之一。遗传算法作为智能优化算法的一种，具有很好的鲁棒性、并行性、全局收敛性优点[1]。将遗传算法应用于无人机路径规划目前已有大量研究成果：文献[2]介绍了三种路径规划方法：贪婪启发式、遗传算法和多种群遗传算法，证明了贪婪启发式算法与遗传算法相结合是解决无人机紧急着陆问题的有效策略。文献[3]提出一种主从并行矢量评估遗传算法（MSPVEGA）来解决航迹规划问题。MSPVEGA利用先进的计算能力并行处理多个遗传算法从而实现了无人机的自动化。然而，随着工程的发展，解决多个优化目标算法逐渐引起了学者的关注。传统的多目标优化算法利用权重线性组合目标函数，其中，权重的确定往往依赖于经验，往往不能很好地解决优化问题。针对多目标的遗传算法，文献[4]改进了非支配排序遗传算法（NSGA），提出了复杂度更低，更能保持种群多样性，具有Pareto占优的NSGA-II算法，已被越来越广泛地应用于解决多目标优化问题[5-9]，文献[10]将NSGA-II算法成功应用于无人机航迹规划，但是算法虽然设置了拥挤距离保持解之间的距离，然而当解陷入局部最优时还是很难跳出。……