基于果蝇优化算法的无人机航路规划方法

张国印，孟 想，李思照

(哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨150001)

0 引言

无人机静态航路规划是指根据已知的地图信息和威胁因素，离线规划出一条连接起点和终点的代价最小的全局路径。

果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)是潘文超在2012年提出的一种新型生物启发算法[1]，FOA不仅能够非常有效地解决复杂的优化问题，而且拥有更少的参数和更小的计算成本[2]。自推出以来，FOA已被广泛应用于科学和工程领域，并与其他数据挖掘技术相结合，如优化机器学习算法，提高人脸识别系统的识别率、特征选择、培训风险评估模型以及预测空闲停车位的可用性[3]。

FOA算法操作简单、搜索能力强，但也存在后期进化过程中过早收敛和收敛速度慢等缺点。为了克服这些缺点以及提高全局搜索能力，研究人员已经对果蝇优化算法提出了各种改进和变体。IFFO算法[4]引入了一个新的参数来控制果蝇群体，使其能够自适应地调整搜索范围，并引入了一种新的解生成方法来提高精度和收敛速度。在MFOA[5]中，多个子群可以同时在搜索空间中独立移动，并且利用子群之间的局部行为规则来探索全局最优。所有这些改进的FOA变种在一定程度上成功克服了原始FOA的缺点。然而，在收敛速度或避免陷入局部最优方面，特别是对于处理复杂的实际问题方面，仍然有很大的改进空间。

本文提出了一种基于果蝇优化算法的静态航路规划方案。针对上述FOA的不足，在基础FOA的基础上，从3个方面提出改进：① 采用混沌初始化，减少初始参数对解的影响，提高FOA的稳定性；……