辛慧娟, 杨洪权

(1.陕西工业职业技术学院 电气工程学院， 陕西 咸阳 712000;2.咸阳市新能源及微电网系统重点实验室， 陕西 咸阳 712000)

0 引言

随着航空技术的迅猛发展，UACV得到了广泛的应用。无论军用领域还是民用领域，UACV都具有使用方便、体积小、成本低、对工作环境要求低等优点。在电力行业中，无人机应用于输电线路巡检和变电站运行环境检测等的出色表现，使世界各国对其高度重视[1-3]。

雷达威胁分布、任务需求、飞行高度、最大航程和燃料限制是无人机航迹规划的主要研究对象[4]。解决上述问题的一种方法是使用优化算法。蚁群算法就是这样一种算法。它是由意大利科学家马可·多里戈等人在20世纪90年代初提出的，这是在研究实际蚁群的合作行为之后首次提出的。蚁群算法的动机来源是蚂蚁的饮食习惯，这使得它们能够发现起点和终点之间的最小路径。蚁群算法可以用来寻找困难优化问题的可接受解。在蚁群算法中，一组合成蚂蚁搜索一个优化问题的可接受解[5-6]。为了应用蚁群算法，将优化问题转化为在图上寻找最优路径的问题。人工合成的蚂蚁通过继续绘制图表来逐渐创造出解决方案。解的生成过程受一组与图的节点、边等相关联的参数的约束，这些参数的值被蚂蚁实时地改变[7]。

蚁群算法优点是全局搜索能力强、鲁棒性强、可靠性高等。其缺点是容易出现过早停滞、容易陷入局部最优、收敛速度慢。本文采用诱导制导来优化其局部搜索效率，提高了自由空间中的自适应能力，获得了最优航迹[8-9]。……