基于牛优化（ OX Optimizer，OX）算法的多个无人机协同路径规划（可以自定义无人机数量及起始点）附MATLAB代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥内容介绍

在山地地震、山洪等应急救援场景中，多无人机协同物资投送是保障救援效率的关键 —— 例如某山区发生地震后，6 架无人机需从临时救援基地出发，向 6 个失联村落投送食品、药品，需避开山体滑坡区、高压线路、树木等障碍，同时避免无人机间碰撞，还要兼顾 “投送时间最短、能耗最低” 的目标。传统协同算法（如 PSO、GA）在复杂山地环境中常面临 “密集障碍绕飞难、协同避碰响应慢、易陷入局部最优” 的问题，而牛优化（OX）算法凭借模拟公牛 “力量型全局探索、灵活性局部避障、协作式群体优化” 的核心特性，为多无人机山地协同路径规划提供了更适配的解决方案。本文以 “6 架无人机山地应急物资投送” 为例，详细解析 OX 算法的实现流程与优势。

一、场景定义：6 架无人机的山地应急物资投送任务

为让 OX 算法的应用更具体，我们自定义多无人机协同路径规划的核心参数，聚焦山地环境的复杂性与应急任务的紧迫性：

• 无人机数量：6 架（编号 U1-U6），均为多旋翼应急无人机，最大载重 5kg（适配物资投送），最大飞行速度 6m/s（山地风速影响下的安全速度），最小转弯半径 4m，无人机间安全距离≥6m（山地视野差，扩大安全冗余）；

• 起始点与目标点：所有无人机从临时救援基地（起点 S：(0,0,80)，坐标单位 m，z 轴为高度，基地位于平缓开阔区）出发，分别向 6 个失联村落投送（目标点 T1：(150,200,60)、T2：(300,120,50)、T3：(220,350,70)、T4：(400,280,55)、T5：(180,450,65)、T6：(350,400,60)），目标点均位于山地缓坡区，需确保无人机可低空悬停投送；

• 环境障碍：

• 静态障碍：2 处山体滑坡区（S1：(80,100,0)-(120,180,100)、S2：(250,300,0)-(300,380,100)）、3 条高压线路（L1：y=150，x∈[50,250]，z=75；L2：x=200，y∈[200,400]，z=70；L3：y=300，x∈[300,450]，z=65）、密集树林区（F1：x∈[100,180]，y∈[250,320]，z∈[0,80]，树木高度 5-20m，需保持无人机与树林顶部距离≥10m）；

• 动态障碍：1 处临时浓雾区（W1：初始位置 (220,220,40)-(280,280,80)，随西北风缓慢移动，速度 1m/s，无人机进入浓雾区会丢失定位，需保持距离≥20m）；

• 优化目标：

1. 总投送时间最短（所有无人机飞行时间之和最小，应急场景优先保障时效性）；

1. 总能耗最低（山地飞行能耗高，需控制电池消耗，避免无人机失联）；

1. 安全冗余最高（无人机与障碍、无人机间距离满足安全要求，降低事故风险）。

二、OX 算法适配多无人机协同的核心逻辑

OX 算法模拟公牛 “力量承载、灵活避障、群体协作” 的行为特性，在多无人机协同路径规划中，通过 “力量型全局探索、灵活性局部调整、协作式解更新” 三大机制，平衡 “全局路径最优” 与 “局部协同安全”，核心逻辑如下：

1. 核心机制：公牛特性如何映射协同需求？

• 力量型全局探索：模拟公牛 “远距离承载重物” 的强续航与大范围移动能力，OX 算法采用 “大跨度步长 + 多方向并行搜索”，在山地复杂解空间中快速覆盖全局路径，避免因局部障碍（如滑坡区）陷入绕远路的局部最优；

• 灵活性局部调整：模拟公牛 “遇到障碍灵活转向” 的特性，当无人机路径接近障碍（如高压线路、浓雾区）时，OX 算法通过 “小范围微调解” 调整路径点坐标或高度，确保满足安全距离，同时避免过度绕飞；

• 协作式解更新：模拟公牛 “群体协作运输” 的特性，OX 算法将种群中的路径组合分为 “领头解”（当前最优协同路径）和 “跟随解”，跟随解参考领头解的搜索方向调整自身路径，同时保留独立探索能力，避免多无人机在同一区域拥堵。

2. 三大核心操作：适配山地协同的动态需求

OX 算法的 “全局探索、局部调整、协作更新” 三大操作，与多无人机山地协同路径规划的 “全局布局、局部避障、群体协同” 需求高度契合：

三、OX 算法实现多无人机协同路径规划的完整流程

以 “6 架无人机山地应急物资投送” 为例，OX 算法的实现流程分为 “山地环境建模→种群初始化→三大核心操作迭代→协同碰撞检测→动态障碍响应” 五步，每一步均针对山地环境的复杂性与应急任务的紧迫性设计：

1. 第一步：山地环境建模 —— 将复杂地形数字化

山地环境的核心挑战是 “地形起伏大、障碍类型多”，需通过精细建模确保算法精准识别可通行区域：

• 三维地形栅格地图构建：将投送区域（x∈[0,500]，y∈[0,500]，z∈[40,100]）划分为 4m×4m×5m 的三维栅格，结合卫星地形数据与无人机航拍数据，标记：

• 可通行栅格（绿色）：山地缓坡区、开阔区，无人机飞行无遮挡；

• 静态障碍栅格（红色）：滑坡区、高压线路、树林顶部 10m 范围内；

• 动态障碍栅格（黄色）：浓雾区 W1 当前及未来 8 秒（应急任务需快速响应）的预测位置；

• 约束条件量化：

• 飞行约束：无人机速度≤6m/s（山地风速 2-3m/s，需预留抗风冗余），转弯半径≥4m（路径点间连线的曲率半径需满足，避免山地气流导致失控）；

• 安全约束：无人机间距离≥6m，与静态障碍距离≥8m（山地障碍边缘不规则，扩大安全距离），与动态浓雾区距离≥20m。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码