【SSA三维路径规划】麻雀算法无人机三维航迹规划【含Matlab源码 301期】

⛄一、麻雀算法求解无人机三维路径规划简介

1 引言
随着无人机（Unmanned Aerial Vehicle,UAV）技术的不断发展，国内外学者对于无人机作战应用的研究日益增多。无人机航迹规划是任务规划系统的关键部分，是一个典型的非确定性多项式（Nondeterministic Polynomial,NP）问题。随着规划问题复杂度的不断增加，其难度和计算量迅速增长，很难找到一种有效应对所有复杂环境的航迹规划方法。为解决不同条件下的航迹规划问题，学者们不断对航迹规划算法进行研究和改进。研究了快速扩展随机树（Rapidexploration Random Tree,RRT）算法、A star算法、粒子群优化（Particle Swarm Optimization,PSO）算法、遗传算法（Genetic Algorithm,GA）在UAV航迹规划中的运用。Yang等将环境势场引入RRT算法，但得到的规划航迹与实际最短航迹有一定差距；刘华伟等将人的智能决策引入RRT算法，但是该算法依赖人的主观判断，容易陷入局部最优；赵锋等将启发式权重系数引入A star算法，但权重系数的线性调整策略不能很好地适应复杂的优化问题；Zhang等在PSO算法中设置异步变化学习因子，但搜索能力依赖于步长的分段设置；程泽新等在GA中引入差分进化策略，但改进后的算法计算量增大，航迹规划实时性较差。

自1975年美国教授Holland根据达尔文进化论以及自然界优胜劣汰机制提出了GA以后，越来越多的学者通过对不同生物种群和物理现象进行分析，从中获取灵感，提出了多种群智能优化算法，包括：灰狼优化算法（Grey Wolf Optimizier,GWO)