尹雅楠 甄然 武晓晶 张春悦 吴学礼

摘 要：为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题，提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置，防止由于较短路径上的信息素过高以及较长路径上的信息素过低，使蚂蚁陷入局部最优，同时在多启发因素的影响下，将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子，当路径长度很大时，自适应启发函数因子较小，使得蚁群选择该路径的概率减小。实验结果表明，改进的算法在路径长度上减少了6.4%，最优路径长度方差降低了85.78%，增加了对环境整体性的考虑，缩短了路径长度，降低了迭代次数，跳出局部最优。在环境复杂度加大的情况下，引入自适应启发函数因子之后的算法可以有效地选择较好的路径，为无人机路径规划提供了理论依据。

关键词：航空、航天科学技术基础学科其他學科;无人机;蚁群算法;路径规划;启发因素

中图分类号：TP301.6;V279 文献标识码：A

文章编号：1008-1542（2021）01-0038-10

随着现代科技的发展，无人机可执行的任务逐渐增多，例如无人机可以承担起运输医疗救援包等应急物资的任务[1]。为了使无人机能够更好地在实际中应用，学者对无人机的路径规划进行了大量的研究，提出了很多算法来提高路径规划的效率，目前有人工势场法[2]、A*算法[3]、蚁群算法[4]、遗传算法[5]、粒子群算法[6]、蝙蝠算法[7]、模拟退火法[8]、快速扩展随机树算法[9]、D*算法[10]、人工鱼群算法[11]、蝗虫算法[12]以及萤火虫算法[13]等。……