魏燕明，甘旭升，刘 飞，孙静娟

（1.西京学院，西安 710123；2.空军工程大学空管领航学院，西安 710051）

0 引言

军用运输机担负着重要的运输任务，在军事行动中的地位举足轻重。而运输机的航路规划是指在综合考虑各种因素影响的前提下，从航图中规划出起飞和降落机场间的最短航路。在大量航路中，选择科学的规划方法，寻找起点到终点的最短航路，是一个复杂的过程，故可将运输机航路规划问题归结为最短路径问题。

现有航路规划方法通常可归纳为3 类：一是传统方法，例如Voronoi 图法［1］、栅格法［2］等；二是智能优化算法，例如遗传算法［3］、粒子群优化算法［4］等；三是其他算法，例如动态规划算法［5］等。传统算法对障碍物的要求较为理想化，实际地形对规划出的结果影响很大。智能优化算法的特点是不受函数求导的限制，在全局搜索和稳定性方面具有优势，但也存在效率低、速度慢、无法适用动态地图的缺点。其他算法，如动态规划算法，在局部路径上可以达到最优值，也适用于动态地图，但是无法确保全局最优。相比较而言，灰狼优化（Grey Wolf Optimization，GWO）算法［6］能在迭代中通过不断调整收敛因子，实现种群的局部寻优和全局寻优，并通过多个基准测试函数进行测试，从结果上验证了该算法的可行性，并在对基准测试函数的求解精度和稳定性上优于遗传算法、粒子群优化算法与差分优化算法等。因此，GWO 算法在最优无功电力调度、表面波数优化、多输入多输出系统优化、直流电机最优控制、无人机航路规划等工程问题上得到了广泛应用。……