张云飞

(河海大学 计算机与信息学院, 南京 211100)

0 引言

无人机利用无线电遥控设备和控制装置操纵，应用于民用和军事，能够解决人类无法解决的难题。考虑到无人机自身的特殊性，特别是面对战争威胁时，如何快速、准确地确定最佳航路，是保证在日益复杂、多变的现代战场环境下，无人机能够顺利完成任务的关键条件[1]。因此，需要对其路径规划进行优化。

使用路径规划算法计算无人机最优飞行轨迹，目前最常用的两种方法主要为蚁群算法和启发式搜索算法[2]。其中，启发式搜索算法是一种最小代价函数，它基于最小代价，在从初始点到当前点再到目标点的搜索过程中，连续地对目标节点进行扩展，从而形成一组最小代价路由，使一组节点到达最优路径。启发式搜索通常用来解决静态的不确定规划问题，广泛应用于地图中。该方法具有很强的收敛能力，常用于单点搜索，在快速搜索路径上有较好的效果，但随着搜索区域的增大，其记忆数据也随之增大，使搜索时间变长[3]。该算法难以实现无人机约束的融合，只能生成一条路径，无法满足某些特殊任务的需要，导致无人机路径不可行；蚁群算法是一种基于动物从洞穴中寻找食物这一最短路径现象的合作发现方法，该方法采用路径规划的方法，首先使给定路径的所有节点都处在信息素的作用范围内，然后蚁群算法通过这些节点达到目标路径，避免了路径中节点对信息素的影响，从而减少了路径中节点的数目，提高了路径的可重复性，直到找到了最佳路径为止[4]。……