本技术提出了一种基于改进灰狼算法的无人机三维路径规划方法，所述方法包括:首先，对三维威胁区域进行环境建模，对约束条件规定无人机飞行的总成本函数；其次，在灰狼初始化中加入了对立学习策略，增加了解空间的搜索范围，通过对自适应权重因子的改进来更新个体位置，从而加快收敛速度；最后，为了避免陷入局部最优，引入了粒子群算法从而平衡全局开发与局部收敛。通过仿真实验结果表明，与传统的灰狼路径规划算法相比，改进灰狼算法可以寻找出一条安全可行的路径，并且有着较稳定的寻优能力。
背景技术
无人机路径规划是现代无人机技术发展的关键领域，如灾害救援、物流配送和农业监测等。随着无人机应用的广泛，如何优化从起始点到目标点路径以提高效率和安全性愈发重要。常见的路径规划算法分为经典算法和智能仿生算法。经典算法有A*算法、人工势场法和快速搜索随机树算法，智能优化算法有灰狼算法、遗传算法、粒子群算法等。其中，灰狼算法作为一种基于狼群在种群之中的等级制度，与其他启发式算法相比，在求解性能上具有结构简单、易于实现以及全局搜索能力强，且易于与其他启发式算法相结合，所以灰狼算法在路径规划领域中得到了广泛的应用。但灰狼算法也包含了一些缺点，例如收敛速度慢，容易陷入局部最优解等。
实现思路