基于多目标优化方法的无人机复杂场景路径规划方法
技术特征：
1.一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤3具体为：
3.根据权利要求1所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤4具体为：
4.根据权利要求3所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤41中，利用hopfiled神经网络向网格编号地图的网格添加能量并进行能量状态迭代更新的具体公式如下：
5.根据权利要求3所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤45中，nsga-ⅲ方法分别在n个待选区域内随机选择一个待选路径点，得到一条共n个路径点的初始路径，种群pt内共dim条初始路径，在dim条初始路径中遍历寻找后获得最优的n个路径点组成的路径。
6.根据权利要求3所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤45中，nsga-ⅲ方法采用的适应度函数包括路径长度、障碍物威胁成本以及路径平滑度成本，路径长度、障碍物威胁成本以及路径平滑度成本均作为优化目标，从而形成多优化目标。
7.根据权利要求6所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述路径长度f1的公式如下：
8.根据权利要求6所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述障碍物威胁成本f2的公式如下：
9.根据权利要求6所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述路径平滑度成本f3的公式如下：
10.根据权利要求6所述的一种基于多目标优化方法的无人机复杂场景路径规划方法，其特征在于，所述步骤5具体为：
技术总结
本发明公开了一种基于多目标优化方法的无人机复杂场景路径规划方法。首先建立无人机工作环境的栅格地图，并进行地图分割，然后应用Hopfield神经网络计算出一条无碰撞的最短初始路径，接着进行路径点探索拓展，得到多条随机路径作为初始种群，再应用NSGA‑Ⅲ方法对多条路径进行多目标优化计算，得到一条符合要求的无碰撞路径，最后对得到的规划路径采用三次B样条曲线进行平滑处理。本发明通过结合Hopfiled神经网络方法，解决了传统NSGA‑Ⅲ方法运算效率低的问题，提高了多目标优化方法的运算效率，提高无人机路径生成多目标优化能力；通过提出高斯正态随机数分布策略，拓宽了NSGA‑Ⅲ方法种群数量，有效改善了种群多样性，解决了陷入局部最小值问题。
技术研发人员：王伟,廖榆信,徐泽铨,滕卫明,郝昊阳,张国良,王战,贺海晏,王进,陆国栋
受保护的技术使用者：浙江理工大学
技术研发日：
技术公布日：2024/12/10
技术研发人员：王伟,廖榆信,徐泽铨,滕卫明,郝昊阳,张国良,王战,贺海晏,王进,陆国栋
技术所有人：浙江理工大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除