声明：对于作者的原创代码，禁止转售倒卖，违者必究！
本期文章采用6种顶级期刊一区智能算法对比，实现复杂山地环境下无人机路径规划。
6种一区智能算法分别是：
2025年5月最新计算机领域一区TOP期刊优化算法——田忌赛马优化算法（THRO）
超高被引！ESWA一区算法——灰雁优化算法（GGO）、
2025年计算机领域顶级一区——龙卷风优化算法(TOC)、
2025年7月份最新一区算法——向光生长算法(PGA)、
推荐一个一区优化算法——常青藤优化(IVY)，MATLAB代码免费获取、
2025年9月最新优化算法——杜鹃鲶鱼优化器
这六种算法都是往期文章发过的顶级期刊一区优化算法，点击上面文章链接即可跳转，查看算法的详细介绍。
背景介绍
无人机路径规划是无人机自主导航中的核心技术之一，它直接影响着无人机的飞行效率、安全性和任务完成质量。在复杂的三维环境中，无人机需要避开各种障碍物和威胁区域，同时保持合理的飞行高度和平滑的飞行轨迹。
传统的单一算法往往难以在所有场景下都表现出色，因此本期开发了这套多算法无人机路径规划对比系统，集成了六种先进的优化算法，为无人机路径规划提供全面的解决方案。
问题建模
问题建模的具体内容可以参考这篇文献：
[1]王文涛,叶晨,田军.基于多策略改进人工兔优化算法的三维无人机路径规划方法[J].电子学报, 2024, 52(11):3780-3797.
在原始文献中，只有四个约束条件，分别是：距离成本、威胁成本、飞行高度成本、平滑度成本，本期在四个成本基础上，新加一个碰撞成本。
以下依次介绍每个成本代表的物理意义。
成本函数
成本函数由五个部分组成，分别对应路径规划的五个优化目标：
1 路径长度（J1）
路径长度是路径总长，从起点依次经过所有航路点到达终点的欧氏距离之和。优化目标是最小化路径长度。
2 威胁成本（J2）
威胁成本是路径靠近威胁区域的惩罚项。每个威胁区域被建模为圆柱体，我们计算路径每个线段到威胁区域中心的距离，如果距离小于威胁半径加上无人机半径再加上一个安全距离，则产生惩罚。惩罚值随着距离的减小而增加，如果路径穿过威胁区域（距离小于威胁半径加无人机半径），则给予一个非常大的惩罚（J_inf）。
3 高度成本（J3）
高度成本是为了保持无人机在合适的高度飞行。我们期望无人机在指定的最小高度和最大高度之间飞行，并且接近理想高度（中间值）。每个航路点的高度偏离理想高度都会产生成本。
4 平滑度成本（J4）
平滑度成本包括转弯角和爬升角的变化率。我们计算相邻路径段之间的转弯角（水平方向）和爬升角（垂直方向）的变化，如果变化超过最大允许值（45度），则产生惩罚。
5 地形碰撞成本（J5）
地形碰撞成本是新增的，用于确保无人机不与地形相撞。我们检查每个航路点以及路径段上的采样点的离地高度（绝对高度减去地形高度）。如果离地高度小于最小安全间隙（15米），则产生惩罚。如果发生碰撞（离地高度为负），则给予非常大的惩罚。
我们将五个成本项加权求和，形成单目标优化问题：
总成本 = b1 * J1 + b2 * J2 + b3 * J3 + b4 * J4 + b5 * J5经过实验调优选择各个权重系数如下
b₁ = 1 % 路径长度 - 基础重要性b₂ = 5 % 威胁规避 - 高安全性要求 b₃ = 1 % 高度控制 - 中等重要性b₄ = 5 % 路径平滑 - 高飞行质量要求b₅ = 10 % 地形避碰 - 最高安全性要求问题求解
三维路径规划图：
以上是关于所有问题求解的对比图，由于上述的对比，可以轻松的凸显出各个算法的排名顺序
在复杂路径下，其实更能展现一个算法的优劣！这个代码中，地图的改变十分方便！
代码目录
运行MAIN脚本文件即可！
代码获取
点击下方阅读原文跳转链接，
或者复制链接跳转：https://mbd.pub/o/bread/YZWYmZ1uZQ==
