曹建秋,徐 鹏,张广言

(重庆交通大学 信息科学与工程学院，重庆 400074)

0 引 言

智能飞行器已经广泛用于军事侦察[1]，灾害处理[2]，物资配送[3]等领域。复杂环境下航迹快速规划是智能飞行器控制的一个重要课题。航迹规划指飞行器根据任务需要，在复杂环境中选择满足约束的最优路径，要求该路径的综合代价最小。

目前航迹规划的算法主要分为经典算法和群体智能算法两大类。经典算法包括A*算法，栅格法[4-6,14]等。但随着问题复杂度增加，被求解问题往往可以通过规约证明属于NP难问题，此时经典算法的计算复杂度呈指数增长。经典算法也存在自身的局限，如A*算法在实际问题中难以选择恰当的评价函数，也进一步限制了经典算法的应用场景。随着蚁群算法，粒子群算法等[7-13]智能算法的发展，这些情况得到了改善。

智能算法中，初始值多采用随机生成，这降低了算法的收敛速度，算法运行时间较长。为了得到更优解的同时加速算法收敛，实际应用中将经典算法与智能算法融合形成融合算法，能取得较好的效果。文献[7]融合了简化A*算法与模拟退火算法；文献[10]通过使用A*算法取代蚁群算法的信息素随机初始化，增加了蚁群算法的稳定性；文献[11]在稀疏A*全局优化搜索的基础之上融入生物启发神经动力学模型等。融合算法不仅提高了单一算法的可解释性，并且较原始算法有一定性能提升。

目前航迹规划问题的研究难点在于路径规划时需要考虑飞行器的性能，如最小转弯半径，飞行中产生的误差等。……