无人机三维航迹规划的量子粒子群优化算法*

赵红超 周洪庆 王书湖

1. 烟台南山学院高端航空铝合金材料协同创新中心，山东龙口 265713 2. 海军航空大学 岸防兵学院，烟台 264001

0 引言

航迹规划技术是无人机任务规划系统中重要的核心技术之一，它是在综合考虑到达时间、油耗、威胁以及飞行区域等因素的前提下，为无人机规划出最优或者满意的飞行航迹，以保证圆满地完成飞行任务[1-2]。无人机在三维环境空间中执行任务，跨越空间范围大、环境复杂，而且无人机自身约束条件较多；因此，航路规划算法需要在计算复杂度、搜索时间和航路代价之间做好折中处理，以满足实际工程任务要求。目前，国内外研究者针对航迹规划问题提出了许多规划算法，每种算法都有自身的优缺点和适用范围。按照规划决策可以分为传统经典算法和现代智能算法2大类。常用于无人机航迹规划的传统经典算法包括：Dijkstra算法、模拟退火算法、Dubins曲线法、人工势场法、快速扩展随机树及其改进型算法等。现代智能算法包括：A*算法、遗传算法、蚁群优化算法、粒子群优化(particle swarm optimization，PSO)算法、鸽群算法等。文献[3]针对多无人机协同航迹规划问题，研究了一种蜂群与A*混合算法，规划出的整体路径更优。

与其它航迹规划算法相比，PSO算法[4]的突出优点是具有较强的鲁棒性，对种群大小敏感性不高，设计参数少，前期收敛速度快；缺点是后期收敛速度慢，容易早熟陷入局部最优解。为了克服PSO算法的缺点，许多研究者针对无人机航迹规划的PSO算法开展了研究工作，提出了一些改进方法。……