刘 琨，封 硕

(1.长安大学 理学院 陕西 西安 710061； 2.长安大学 机械工程学院 陕西 西安 710061)

0 引言

近年来，无人作战飞行器(uninhabited combat aerial vehicle, UCAV)在偏远、危险环境下出色完成复杂任务的能力受到世界各国军事组织的高度关注[1]。航迹规划是无人机飞行任务研究的核心，是指在特定的任务环境(已探知的静态威胁)下，从起点到终点寻找一条最优或次优的航迹路径。目前越来越多的智能优化算法已被应用于求解航迹规划问题，如蚁群算法、乌贼算法、粒子群算法和遗传算法等[2-5]。与上述算法相比，人工蜂群算法(artificial bee colony, ABC)[6]可以在一次迭代中同时兼顾全局搜索能力和局部搜索能力,求得局部最优解的概率更大。此外，ABC算法具有参数少、精度高和结构简单易实现等优点，越来越多的学者将改进的人工蜂群算法应用于无人机的航迹规划问题中。文献[7]提出了基于混沌理论的改进人工蜂群算法，并应用于无人机的航迹规划；文献[8]提出了平衡进化策略的人工蜂群算法，并应用于无人机的航迹规划；文献[9]将差分进化算法融合到侦查蜂阶段，提出了改进的人工蜂群算法并应用于无人机的航迹规划；文献[10]提出了自适应搜索策略的人工蜂群算法，并应用于无人机的航迹规划；文献[11]引入动态评价策略、模拟退火准则和复合形法优化算法结构，提出了改进的人工蜂群算法并应用于无人机的航迹规划。

虽然以上改进算法都提高了无人机航迹规划问题的收敛速度，但仍存在不完善的地方。……