无人机航迹规划是指根据任务目标规划出满足约束条件的飞行轨迹。航迹规划的好坏,对任务的完成产生重大的影响。因此,对航迹规划的研究成为了无人机技术研究的重要内容。本文综述了无人机航迹规划研究的现状,分别介绍了粒子群算法、蚁群算法、蜂群算法三种常见的群智能优化算法及其优缺点,最后对无人机航迹规划群智能优化算法的发展趋势进行了展望。 常见的无人机航迹规划群智能优化算法1.1粒子群算法鸟群在大自然中飞行时，每只鸟都有自己的飞行位置和速度，都可以感受到周围其他鸟类的信息并依据周围其他鸟类的飞行状态调整自身当前的位置和速度。而在鸟群迁移，朝着食物资源丰富的地方飞行中，迁徙期初，鸟类的飞行属于漫无目的的飞行，直到有一只鸟发现了食物源比较理想的栖息地，此时，它传递的信息给一只鸟，一只鸟往这个栖息地飞行，逐渐其他鸟类都开始朝这个栖息地飞行，如图1所示本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/  。智能优化算法综述-电动折弯机数控切管机滚圆机滚弧机张家港液压钢管滚圆机滚弧机折弯机鸟类飞行过程中的群体行为为人们在优化决策中提供了思想：通过自身经验和他人经验进行决策以及群集效应，分工合作。图1鸟群飞行示意图粒子群算法相对于其他智能优化算法具算法通用性强、收敛速度较快、迭代公式简单易于仿真实现等优点。但是，标准粒子群算法也存在一些缺点，主要包含：（1）由于受到全局影响，个体很容易放弃当前搜索而进入另一个空间，导致局部搜索能力差，搜索精度不高（。2）由于迭代公式简单，收敛过程很大程度依赖参数选取，而对于参数的选择，目前尚缺乏很强的指导性原则，优化结果的好坏主要依赖算法中各种参数的选龋1.2蚁群算法蚁群算法（ACO）是一种群智能进化算法，简称为蚂蚁算法。1992年，MarcoDorigo第一次在他的学术论文中提出了这种智能仿生算法。其基本思想可以描述为：大自然中，蚂蚁的觅食行为是蚁群的总体搜索行为，每只蚂蚁在觅食过程中，相互之间都会传递信息激素。如果每个蚂蚁在没有被事前告知食物来源的情况，蚁群中的任意单只蚂蚁发现食物源后，这只蚂蚁会在食物环境周围释放出一种特殊的分泌物，以此来通知种群中其他蚂蚁向食物源靠近，经过一段时间的累积，多数蚂蚁会聚集到这条道路上，最终所有的蚂蚁会沿着这条路径智能优化算法综述-电动折弯机数控切管机滚圆机滚弧机张家港液压钢管滚圆机滚弧机折弯机本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/