基于麻雀算法优化的无人机航迹规划--MATLAB 设置地图参数a, b, c, d, e, f...

基于麻雀算法优化的无人机航迹规划--MATLAB 设置地图参数a, b, c, d, e, f , g=1，地图大小为：200*200，设置三个山峰，威胁区域两个，实际运行效果如下 可定做更多算法应用此模型

无人机航迹规划这事儿，说白了就是在复杂地形里找条既安全又省油的路线。咱们今天用麻雀算法来整这个活，配合MATLAB搞了个动态演示——先别急着关页面，代码和效果图马上给你整明白。

先看地图设置。200x200的区域里埋了三个山峰和两个威胁区，代码里用meshgrid直接铺开战场：

[X,Y] = meshgrid(1:200); Z = a*exp(-((X-b).^2 + (Y-c).^2)/d^2) + ... % 山峰1 e*exp(-((X-f).^2 + (Y-g).^2)/h^2) + ... % 山峰2 i*exp(-((X-j).^2 + (Y-k).^2)/l^2); % 山峰3

参数a到g控制山体形状，这里有个坑要注意：指数项的系数得调小点，不然山峰陡得跟刀削似的，无人机根本飞不过去。威胁区更简单，直接画两个红圈标记禁区范围。

麻雀算法的核心在种群更新策略。初始化时随机撒50个麻雀（路径点），每只麻雀带着20个航路点坐标：

pop = rand(pop_size, 3, num_points); % 三维坐标包括高度 pop(:,:,1) = start_point; % 起点锁定 pop(:,:,end) = end_point; % 终点固定

适应度函数才是重头戏，既要算路径长度又要躲威胁区。距离惩罚项这么搞：

for i = 1:threat_num dist = sqrt(sum((path - threat_centers(i,:)).^2,2)); penalty = penalty + sum(exp(-dist.^2/(2*threat_radius^2))); end

指数衰减的惩罚项比硬边界更聪明，能让路径自然绕开危险区边缘。路径长度直接用cumsum累加相邻点间距，最后总成本是长度项加100倍威胁惩罚——这个权重系数得根据实际场景调。

迭代过程里麻雀分三种角色：发现者满地图乱窜找新路线，跟随者往优质路线靠拢，侦察者随机突变防局部最优。更新公式看着唬人，其实核心就一句：

% 发现者位置更新 new_pop(i,:,:) = pop(i,:,:) + randn()*step_size.*(best_pos - pop(i,:,:)); % 侦察者随机跳跃 if rand() < 0.2 new_pop(i,:,2:end-1) = rand(1,3,num_points-2); end

这里有个trick：中间航路点允许随机重置，但起点终点必须固定。步长step_size随着迭代次数衰减，前期大步探索，后期小步微调。

跑出来的效果相当直观——蓝色曲线在三个山峰间蛇形走位，完美避开两个红圈威胁区。为了路径更顺滑，最后还加了三次样条插值：

smooth_path = csaps([0,cumsum(seg_len)], path', 0.5);

这0.5是平滑系数，调大了路线直但可能撞山，调小了又容易路径抖动。实际工程中得做trade-off，或者上自适应参数。

要说扩展性，改个目标函数就能适配不同需求。比如把威胁惩罚换成油耗模型，或者加个时间约束项。算法方面换成粒子群、蚁群也完全OK，毕竟框架已经搭好了。需要特别注意三维路径的可行性检查，别整出个垂直俯冲的路线——真机飞起来分分钟变坠机现场。