谢凯利，杨海涛，谢海平

(航天工程大学， 北京 101416)

航迹规划是指在给定的约束条件下，基于某种性能指标求取运动物体从初始点到目标点的最优运动轨迹[1]。60年代，航迹规划的研究主要基于数学理论，经过几十年的发展，航迹规划算法已十分丰富，并逐步应用于无人机、导弹、机器人等领域[2-6]。目前，对航迹规划的研究主要由规划环境建模和优化搜索两部分组成。

在规划环境建模上，由于实际的空间环境比较复杂，为降低求解问题的规模，通常根据几何学原理，按照特定的规则对规划空间进行结构划分，常用的划分方法包括单元分解法、路标图法、势场法等。针对航迹规划存在约束条件多、复杂性强、时效性高、规划领域大、难以直接求解等特征，近年来国内外学者提出了许多不同的规划搜索方法[7]，大多数是转化为状态空间的路径搜索问题，利用搜索算法获得最优解。按照规划策略，可将航迹规划算法分为传统经典算法和智能优化算法。Dijkstra算法、人工势场法等传统算法已经发展成熟，对于小规模以及简单的空间环境，在获取最优航迹方面具有明显优势。但当空间环境规模增大时，传统算法的时间呈指数倍增长，而智能优化算法在提高航迹搜索效率方面有着较好表现。其中，遗传算法[8]、模拟退火算法[9]、粒子群算法[10]、神经网络算法[11]等，是航迹规划技术中较为常用的一些智能算法，对解决实际规划问题具有重要意义。

下面将从传统经典算法和智能规划算法两方面，对现有航迹规划算法进行综述，同时对未来航迹算法的研究重点和发展方向进行展望。……