{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期-部分”：[[2024,8,7]]，“日期-时间”：“2024-08-07T01:08:06Z”，“时间戳”：1722992886530}，“参考-计数”：15，“出版商”：“富士科技出版社”，“发行”：“7”，“资助者”：[{“DOI”：“10.13039\/1000000001”，“名称”：“国家科学基金会”，“DOI-asserted-by“：“publisher”，“adward”：[“61673058”]，“id”：[{“id”:“10.13039\/100000001”，“id-type”：“DOI”，“asserted-by”：“publicher”}]}，{“name”：“国家杰出青年人才支持计划”，“award”：【“61822304”]}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[”JACIII“，”J.Adv.Compute.Intell.Intell。通知。“]，“published-print”：{“date-parts”：[[2020,12,20]]}，“abstract”：“无人机（UAV）因其应用前景广阔而受到积极研究。航路规划器是无人机自主任务执行的关键。为此，提出了一种混合差分进化（HDE）算法，用于为复杂三维环境中的固定翼无人机生成高质量且可行的路径。设计了多目标函数，对路径长度和风险进行了优化。考虑了基于实际情况的多种约束，包括无人机机动性、地形、禁飞区和干扰区约束。受狼群搜索算法的启发，该HDE算法将差分进化（DE）与逼近策略相结合，以提高搜索能力。此外，考虑到固定翼无人机的动态特性，采用二次B样条曲线进行路径平滑。将HDE算法与最先进的无人机路径规划算法，即改进的狼群搜索算法和传统的DE算法进行了比较。进行了多个数值实验，算法的性能比较表明，HDE算法在复杂三维环境中的解质量和约束处理能力方面表现出更好的性能<\/jats:p>“，”DOI“：”10.20965\/jacii.2020.p0820“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,12,19]]，”date-time“：”2020-12-19T10:05:06Z“，”timestamp“：1608372306000}，”page“：“：”10.20965“，“卷”：“24”，“作者”：[{“给定”：“郝”，“家庭”：“张”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“李华”，“家族”：“窦”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“春晓”，“家人”：“蔡”，”序列“附加”：“从属关系“：[]]}，}“给定的”：“宾”，“家”：“欣”，“时序”：“附加“，”从属“：[]}，{“名称”：“北京理工大学自动化学院，北京海淀中关村南街5号，邮编：100081sequence“：”additional“，”affiliation“：[]}，{“name”：“中国北京海淀中关村南街5号北京理工大学智能机器人与系统先进创新中心，邮编：100081”，“sequence”：“additional”，“affiliance”：[]{“name”：“中国北京市海淀区响红门东门1号军事科学院评估与示范研究中心，邮编：100091“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”8550“，”published-online“：{”date-parts“：[[2020,12,20]]}，”reference“：[{”key“：”key-10.20965\/jacii.2020.p0820-1“，”doi-asserted-by“：”crossref“，”非结构化”：“P.Yao，H.Wang，and Z.Su，\u201c无人机在复杂动态环境中用于目标跟踪和避障的实时路径规划，《航空航天科学与技术》第47卷，第269-279页，2015年。”，“DOI”：“10.1016\/j.ast.2015.09.037”}，{“key”：“key-10.20965\/jacii.2020.p0820-2”，“DOI-asserted-by”：“crossref”，“非结构化”：“L.Yu和K.Zhou，基于激光测距仪和扩展支持向量机特征提取的室外机器人动态局部路径规划方法，模式识别与人工智能国际期刊，第30卷，第2期，第1-23页，2016。”，“DOI”：“10.1142”，{“key”：“key-10.20965 \/jacii.2020，p0820-3“，“非结构化”：“P.Yang，K.Tang，J.A.Lozano，和X.Cao，通过单独进化的航路点对单个无人飞行器进行路径规划，\u201d IEEE Trans。《机器人学》，第31卷，第5期，第1130-1146页，2015年。“}，{“key”：“key-10.20965\/jacii.2020.p0820-4”，“doi-asserted-by”：“crossref”，“unstructured”：“G.-G.Wang，H.C.E.Chu，and S.Mirjalili，使用改进的bat算法进行UCAV三维路径规划，《航空航天科学与技术》，第49卷，第231-238页，2016年。”，“doi”：“10.1016\/j.ast.2015.11.040“}，{“key”：“key-10.20965\/jacii.2020.p0820-5”，“unstructured”：“C.Huang和j.Y.Fei，基于粒子群优化的无人机路径规划与全球最佳路径竞争，\u201d Int.j.of Pattern Recognition and Artificial Intelligence，第32卷，第6期，第1859008条，2018年。”}key-10.20965 \/jacii.2020，p0820-6“，”doi-asserted-by“：”crossref“，”unstructured“：”X.Wang，Y.Liang，S.Liu，and L.Xu，\u201cBearing-Only Obstance Based Based Unknown Input Observer and Angle-Dependent Artificial Potential Field，\u201 d Sensors，Vol.19，No.1，Article No.31199。“doi”：“10.3390 \/s19010031”}，{“key”：“key-10.20965\/jacii.2020.p0820-7“，”doi断言由“：”crossref“，”非结构化“：”R.A.Martin，I.Rojas，K.Franke，and J.D.Hedengren，\u201c模拟环境中优化无人机地形建模的进化视图规划，\u201d遥感，第8卷，第1期，第26条，2016。“，”doi“：”10.3390\/rs8010026“｝，｛”key“：”key-10.20965\/jacii.2020.p0820-8”，“非结构化”：“V.Roberge，M.Tarbouchi，and G.Labont\u00e9，\u201c使用GPU的固定翼军用无人机快速遗传算法路径规划器，\u201d IEEE Trans。《航空航天与电子系统》，第54卷，第5期，第2105-2117页，2018年。“}，{“key”：“key-10.20965”，jacii.2020，p0820-9”，“doi-asserted-by”：“crossref”，“unstructured”：“S.A.Gautam和N.Verma，基于遗传算法和三维人工神经网络的无人飞行器路径规划，2014年国际会议论文集。数据挖掘与计算会议（ICDMIC 2014），第1-5页，2014年。”，“DOI”：“10.1109”，{“key”：“key-10.20965”，jacii.2020，p0820-10”，“DOI-asserted-by”：“crossref”，“unstructured”：“H.Duan，X.Zhang，J.Wu，and G。Ma，\u201cMax-min自适应蚁群优化方法在动态和不确定环境下多无人机协调弹道重新规划，《仿生工程》，第6卷，第2期，第161-173页，2009年。“，“DOI”：“10.1016\/S1672-6529（08）60113-4”}，{“key”：“key-10.20965\/jacii.2020。p0820-11”，“DOI-asserted-by”：“crossref”，“unstructured”：“X。Zhang and H.Duan，\u201cAn improved constrained differential evolution algorithm for unmanned air vehicle global route planning，\u201 d Applied Soft Computing，Vol.26，pp.270-284，2015.”，“DOI”：“10.1016\/j.asoc.2014.09.046”}，{“key”：“key-10.20965\/jacii.2020.p0820-12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Y。Chen等人，使用改进的狼群搜索算法进行三维无人机路径规划，《神经计算》，第266卷，第445-457页，2017年。“，“DOI”：“10.1016\/j.neucom.2017.059”}，{“key”：“key-10.20965\/jacii.2020。p0820-13”，“DOI-asserted-by”：“crossref”，“unstructured”：“C.Yang，X.Tu，and j。Chen，\u201c基于狼群搜索的蜜蜂婚姻优化算法，\u201 d Proc。2007年智能普适计算国际会议，第462-467页，2007年。“，“DOI”：“10.1109\/IPC.2007.104”}，{“key”：“key-10.20965\/jacii.2020。p0820-14”，“DOI-asserted-by”：“crossref”，“unstructured”：“S.Das和P.N。Suganthan，《差异进化：现状调查》，IEEE Trans。进化计算，第15卷，第1期，第4-31页，2011年。“，“DOI”：“10.1109\/TEVC.2010.2059031”}，{“key”：“key-10.20965\/jacii.2020。p0820-15”，“DOI-asserted-by”：“crossref”，“unstructured”：“K。Deb，\u201cAn effective constraint handling method for genetic algorithms，\u201 d Computer Methods in Applied Mechanics and Engineering，Vol.186，Nos.2-4，pp.311-338，2000.“，”DOI“：”10.1016\/S0045-7825（99）00389-8“}]，”container-title“：[”Journal of Advanced Computational Intelligence and Intelligent Informatics“]，”original-title:“[]，”language“：”en“链接“：[｛”URL“：”https:\/\/www.fujipress.jp\/main\/wp content\/themes\/fujipress\/phyosetsu.php？ppno=JACI002400070002“，”内容类型“：”未指定“，”内容版本“：”vor“，”预期应用程序“：”相似性检查“｝]，”存放“：｛”日期部分“：[[2020,12,19]]，”日期时间“：”2020-12-19T10:05:29Z“，”时间戳“：1608372329000｝，”分数“：1，”资源“：｛”primary“：{”URL“：”https:\/\/www.fujipress.jp\/jacii\/jc\/jachii002400070820“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[[2020,12,20]]}，“references-count”：15，“journal-issue”：{“issue”：“7”，“published-online”：{date-parts“：[2020,12,20]}，‘published-print’：{‘date-part’”：[[2020,12,20]]}}，“URL”：“http:\/\/dx.doi.org\/10.20965\/jacii.2020.p0820“，”关系“：{}，”ISSN“：[”1883-8014“，”1343-0130“]，”ISSN-type“：[{”类型“：”电子“，”值“：”1883-814“}，{”型号“：”打印“，”数值“：”1343-01-130“}]，”主题“：[]，”发布“：{”日期段“：[2020,12,20]]}}}}