巫 茜，罗金彪，顾晓群，曾 青

(1.重庆理工大学 计算机科学与工程学院， 重庆 400054；2.重庆高新区飞马创新研究院， 重庆 400039)

1 引言

由于无人机(unmanned aerial vehicle,UAV)具有使用便捷、成本低廉、外形灵活、体积小巧且易于操控以及适应性强等诸多优势，在边境巡逻、侦查监视、遥感测绘、农林作业、电力巡检等众多军民领域得到了广泛应用[1-3]。无人机航迹规划，是指为顺利完成飞行任务，在综合权衡地形地貌、各类威胁、能源油耗等诸多因素下，给无人机规划出一条令人满意的空间飞行航迹。

目前有多种航迹规划算法，如蚁群算法、遗传算法、粒子群算法(particle swarm optimization,PSO)等[4],它们各有优势和不足。其中，PSO因搜索速度快、实现简单而获得广泛应用，但在后期运算极易陷入局部最优解并且收敛速度慢。文献[5]提出了一种阶梯式惯性权重与跳出局部最优解相结合的PSO策略，可较好地统筹局部搜索和全局搜索之间的关系，并使之跳出局部极值，以加快算法的收敛速度，但对最大迭代次数的依赖性高；文献[6]借鉴优胜劣汰的自然选择机制，可以获得无人机航迹规划的近优解，但由于其降低了PSO种群的多样性，不利于寻找全局最优解；文献[7]通过差分进化、模拟退火和混沌优化3种算法改进PSO，丰富了种群的多样性，从而提高了航迹品质，但该方法复杂度较高，耗时较长。

本文首先建立了包含地形、障碍物和雷达在内的三维环境模型，然后构造了基于航迹长度、障碍物碰撞、雷达威胁和高度变化的适应度函数，最后针对传统PSO算法和上述改进方案的不足，引入柯西变异算子，提出了自适应柯西变异粒子群算法(adaptive cauchy mutation PSO,ACMPSO)，并通过仿真验证了该算法的有效性。……