周彬，郭艳，李宁，钟锡健

陆军工程大学 通信工程学院，南京 210007

无人机(Unmanned Aerial Vehicle，UAV)作为一种新型的智能载体，具有机动性高、灵活性强、结构简单、造价低、隐蔽性强和安全性高等优势，在地质气象观测、快递运输等民用领域发挥了重要作用，同时也被广泛应用于军事领域中执行监视、侦察、追踪等任务[1]。路径规划是指在有障碍物的环境中，根据最短路径和最短规划时间等评估标准，找到一条从初始位置到目标位置的最优/较优的无碰撞路径[2]。无人机应用场景一般地域广阔、环境复杂，如何快速准确地规划出一条安全、快捷的路径，是无人机应用的重要研究方向[3]。

针对无人机路径规划问题，大量研究进行了有益的探索[4-12]。从所需初始信息的完整程度来看，可将现有的无人机路径规划方法分为两大类:基于先验完整环境信息的全局路径规划方法和基于部分环境信息的局部路径规划方法[4]。目前，对于全局路径规划方法的研究较为成熟，如A*算法[5]、Voronoi图[6]和人工势场法[7]等。但全局路径规划方法大都需要提前建立好完整模型，当环境复杂时计算开销非常大；且在实际应用中，无人机面对不断变化的动态环境时很难掌握全局信息，使用确定性方法来实现路径规划过程的最优控制是不可行的[8]。因此，基于部分未知或完全未知的环境信息进行路径规划，更具有实际意义，也更受关注。在这方面，很多学者已经进行了大量研究，并取得了一定的成果，如基于神经网络(NN)[9]、粒子群优化(PSO)[10]和强化学习(RL)[11]等算法的局部路径规划方法。……