在低空城市环境中用于无人机路径规划的多策略改进粒子群优化算法

物联网（IoT）系统和路径规划算法为无人机（UAV）的自主导航提供了技术基础。物联网系统的地理空间数据通过轻量级协议传输给无人机，无人机基于这些数据通过优化算法做出最佳路径决策。物联网、无人机和路径规划技术的结合构成了无人机投递系统，为智能城市的最后一公里物流提供了高效经济的解决方案。在这些中，快速准确的最佳路径规划对于无人机的自主投递至关重要。因此，本文提出了一种称为MSIPSO的多策略改进粒子群优化（PSO）算法。首先，该算法结合了局部死锁跳跃策略，以提高在稠密障碍环境中路径规划的成功率。其次，为了减轻参数选择对算法性能的影响，引入了自适应非线性惯性权重和学习因子，以提高算法的稳定性。最后，设计了多种群体差异化进化策略，为不同质量的种群量身定制不同的位置更新方程，从而提高算法的搜索效率。仿真结果表明，MSIPSO在收敛速度、准确性和稳定性方面优于PSO、灰狼优化器（GWO）、鲸鱼优化器（WOA）、精英档案驱动PSO（EAPSO）算法和混合GWO与差分进化（HGWODE）算法。