摘要:針對(duì)復(fù)雜城市環(huán)境下無人機(jī)目標(biāo)打擊問題,引入一種基于電鰻覓食優(yōu)化算法的無人機(jī)目標(biāo)打擊方法。該方法首先設(shè)置稀疏環(huán)境無敵防守和密集環(huán)境有敵防守2種場(chǎng)景并設(shè)計(jì)相應(yīng)的約束條件和航跡優(yōu)化代價(jià)函數(shù)以符合城市環(huán)境飛行需求,然后通過電鰻覓食優(yōu)化算法(electric eel forag?ing optimization,EEFO)為無人機(jī)規(guī)劃出一條合理的目標(biāo)打擊軌跡,最后得到其飛行軌跡和適應(yīng)度值,并與SO,SCA,WOA,MFO,HHO 5種算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,在稀疏環(huán)境無敵防守場(chǎng)景下EEFO 算法比其他五種算法具有更高的軌跡規(guī)劃效率和穩(wěn)定性,消耗的航跡代價(jià)最小且收斂更快;在密集環(huán)境有敵防守場(chǎng)景下EEFO 算法與其他5種算法相比,所規(guī)劃出的目標(biāo)打擊軌跡最優(yōu)且消耗的航跡代價(jià)收斂趨勢(shì)更好,任務(wù)完成度最高,具有更好的表現(xiàn)。
關(guān)鍵詞:城市環(huán)境;無人機(jī);目標(biāo)打擊;航跡規(guī)劃;電鰻覓食優(yōu)化
DOI:10.3969/j. issn. 1009-086x. 2025. 01. 001
中圖分類號(hào):TJ35 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1009-086X(2025)-01 -0001 -10
引用格式:費(fèi)陳, 趙亮, 賀擁亮, 等.城市環(huán)境下無人機(jī)群目標(biāo)打擊航跡規(guī)劃[J].現(xiàn)代防御技術(shù),2025,53(1):1-10.
Reference format:FEI Chen,ZHAO Liang,HE Yongliang,et al.Trajectory Planning for UAV Swarm Target Strikes in UrbanEnvironments[J].Modern Defence Technology,2025,53(1):1-10.
0 引 言
由于具有靈活性、高智能化與自主化,無人機(jī)被廣泛應(yīng)用于農(nóng)業(yè)、物流、監(jiān)控、救援、軍事等多個(gè)領(lǐng)域[1?3],具有非常廣闊的應(yīng)用前景。特別是在軍事領(lǐng)域,無人機(jī)可以執(zhí)行高風(fēng)險(xiǎn)任務(wù),如偵察、打擊等,減少了戰(zhàn)斗人員的傷亡風(fēng)險(xiǎn)并實(shí)現(xiàn)“零傷亡”的戰(zhàn)斗目標(biāo)[4?5]。隨著全球城市化進(jìn)程不斷推進(jìn),城市不僅是國家政治、經(jīng)濟(jì)、軍事中心,更是科技文化和信息中心,奪取或守住城市就能達(dá)成戰(zhàn)役目的[6],決定戰(zhàn)爭(zhēng)結(jié)果,因此無人機(jī)城市作戰(zhàn)備受矚目。
無人機(jī)城市作戰(zhàn)的關(guān)鍵技術(shù)之一是基于城市環(huán)境下的無人機(jī)航跡規(guī)劃。目前關(guān)于城市環(huán)境下無人機(jī)航跡規(guī)劃的研究較少。MU?OZ 等[7]采用覆蓋路徑規(guī)劃(coverage path planning,CPP)算法進(jìn)行路徑規(guī)劃,但其需要對(duì)城市環(huán)境進(jìn)行全面探索,耗時(shí)長(zhǎng)且缺乏實(shí)時(shí)性。相比之下,蛇優(yōu)化算法(snakeoptimizer,SO)在處理實(shí)時(shí)路徑生成時(shí)表現(xiàn)更為高效。WU 等[8]提出了太陽能無人機(jī)(solar unmannedaerial vehicle,SUAV)的路徑規(guī)劃框架,解決了太陽能精確建模問題,但該方法對(duì)昏暗環(huán)境下的規(guī)劃存在局限,而正余弦優(yōu)化算法(sine cosine algorithm,SCA)則在多種光照條件下表現(xiàn)穩(wěn)定。HU 等[9]提出了一種基于風(fēng)險(xiǎn)成本的路徑規(guī)劃方法,盡管考慮了多種風(fēng)險(xiǎn),但依賴于預(yù)設(shè)的環(huán)境模型,實(shí)時(shí)性不足,而鯨魚優(yōu)化算法(whale optimization algorithm,WOA)則具有較高的靈活性,能在動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)實(shí)時(shí)規(guī)劃。此外,甯洋等[10]提出了一種融合壓縮策略和變異策略的粒子群(compression and mutationparticle swarm optimization,CMPSO)算法,將不同形狀的建筑物簡(jiǎn)化為圓柱形障礙物,主要適用于二維空間規(guī)劃,而飛蛾火焰優(yōu)化算法(moth flameoptimization,MFO)則適用于更復(fù)雜的三維空間路徑規(guī)劃。胡莘婷等[11]提出的改進(jìn)聚類蟻群算法(clustering improved ant colony optimization,CIACO)在已知環(huán)境下表現(xiàn)良好,但應(yīng)變能力不足,難以處理未知威脅,而哈里斯鷹優(yōu)化算法(Harris hawksoptimization,HHO)在動(dòng)態(tài)威脅環(huán)境中的表現(xiàn)更具優(yōu)勢(shì)。綜上所述,現(xiàn)有研究在應(yīng)對(duì)無人機(jī)城市環(huán)境路徑規(guī)劃時(shí)仍存在一定局限性,具體表現(xiàn)為對(duì)無人機(jī)航跡的約束考慮不夠全面,較為依賴已有的環(huán)境模型,且在處理三維空間中的障礙物時(shí)考慮不充分,導(dǎo)致其在復(fù)雜城市環(huán)境中的適應(yīng)性較差,避障性能較弱。
為解決上述局限性,本文提出了一種基于電鰻覓食優(yōu)化算法(electric eel foraging optimization,EEFO)的無人機(jī)目標(biāo)打擊方法,以克服復(fù)雜城市環(huán)境中的適應(yīng)性差、避障性弱、精準(zhǔn)打擊不足等問題。EEFO 模擬電鰻的運(yùn)動(dòng)和探測(cè)機(jī)制,通過多層次決策,實(shí)現(xiàn)全局與局部路徑優(yōu)化,增強(qiáng)無人機(jī)在動(dòng)態(tài)環(huán)境中的實(shí)時(shí)調(diào)整能力和魯棒性,相比強(qiáng)化學(xué)習(xí)和RT路徑規(guī)劃方法,EEFO在動(dòng)態(tài)環(huán)境中具備更強(qiáng)的實(shí)時(shí)反饋和靈活性。本文通過與SO,SCA,WOA,MFO,HHO等經(jīng)典算法對(duì)比,探討更實(shí)用的路徑規(guī)劃策略,以提高無人機(jī)在復(fù)雜城市環(huán)境中的作戰(zhàn)能力。