2026年ESWA SCI1区TOP，面向密集建筑环境的城市物流配送无人机集群协同路径规划研究，深度解析+性能实测

1.摘要

针对密集城市环境下无人机集群路径规划问题，本文建立了综合考虑避障、集群避碰、通信约束及电磁干扰影响的路径规划模型，并提出多策略改进狼群算法（MSIWPA）进行求解。通过改进初始化方式、搜索策略和种群更新机制，提高了算法的收敛速度和解的质量。仿真结果表明，该方法能够有效规划高质量、可飞行的集群路径，性能优于对比算法。

2.无人机路径规划模型

层级规划策略

针对密集建筑环境中空间破碎、障碍密集和气流影响复杂等问题，本文提出分层路径规划策略，通过计算分层阈值，将三维飞行空间划分为低空层和高空层，结合任务需求确定最优飞行高度区间，实现差异化高度选择。

路径表示

本文采用六自由度粒子模型描述无人机运动，考虑最大转弯角和最大爬升角等机动约束，并假设飞行速度恒定。每架无人机的路径被离散为包含起点和终点在内的N NN个航迹点，第i ii架无人机第j jj个航迹点坐标表示为( x i , j , y i , j , h i , j ) 。 (x_{i,j},y_{i,j},h_{i,j})\text{。}(xi,j​,yi,j​,hi,j​)。

目标函数

无人机集群路径规划的目标是在满足多重约束条件下，使整个集群的综合路径代价最小。可行路径需满足五类约束：高度约束、转弯与爬升角约束、建筑避障约束、集群间避碰约束及通信保持约束。

3.多策略改进狼群算法

常见改进策略，不赘述。

4.结果展示

5.参考文献

[1] Lai Y, Wu H, Xia Y, et al. Research on collaborative path planning of UAV swarms for urban logistics distribution in dense building environments[J]. Expert Systems with Applications, 2026, 305: 130816.

6.代码获取

xx

7.算法辅导·应用定制·读者交流

xx