✅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
随着无人机技术在军事侦察、物流配送、灾害救援、电力巡检等领域的广泛渗透，复杂三维空间下的路径规划已成为制约无人机自主作业效能的核心技术瓶颈。传统二维路径规划方法难以适配实际飞行中的地形起伏、立体障碍物规避及多目标优化需求，而单目标优化算法无法平衡路径长度、能耗、安全性等相互冲突的目标。为此，本文提出一种基于非支配排序遗传算法（NSGA-II）的无人机3D路径规划方法。首先构建融合地形、立体障碍物、禁飞区及飞行约束的三维环境模型，采用栅格-体素混合建模策略平衡建模精度与计算效率；其次优化NSGA-II算法在路径规划中的适配机制，设计针对性的编码方式、遗传操作及多目标评价体系，通过快速非支配排序与拥挤距离计算，高效生成帕累托最优解集；最后基于MATLAB搭建仿真平台，在城市建筑群与山区地形两种典型场景下开展实验。结果表明，所提方法在避障成功率、路径平滑性及多目标平衡能力上显著优于传统A*算法与基础NSGA-II算法，能为不同作业需求提供多样化的最优路径选择，具备较高的理论价值与工程实用性。
关键词：无人机；3D路径规划；NSGA-II算法；多目标优化；帕累托前沿；立体环境建模
1 引言
1.1 研究背景
无人机作为一种灵活高效的自动化飞行平台，其自主作业能力的核心依赖于精准、高效的路径规划技术。实际飞行场景中，无人机需在三维空间内完成任务，不仅要规避水平方向的建筑物、树木等障碍物，还需适应垂直方向的地形起伏、高压线等立体障碍，同时满足空域管制规定的高度限制与禁飞区要求。例如，物流配送无人机需在城市建筑群中平衡路径效率与碰撞风险，灾害救援无人机需在山区复杂地形中快速规划低能耗、高安全性的救援路径，这些场景均对3D路径规划的复杂性与多目标性提出了严苛要求。
传统路径规划方法存在明显局限性：Dijkstra算法、A*算法等启发式算法在二维场景中表现优异，但扩展至三维空间时易出现搜索空间爆炸、路径偏优等问题，且难以处理多目标优化；基础遗传算法仅适用于单目标场景，无法平衡相互冲突的优化目标；RRT算法虽能快速探索空间，但生成路径冗余度高、平滑性差，需额外后期处理。而NSGA-II作为经典的多目标进化算法，凭借快速非支配排序、精英保留策略及拥挤距离机制，在解决多目标冲突问题上展现出独特优势，为无人机3D路径规划提供了理想的求解思路。
1.2 研究意义
本文的研究意义体现在理论与工程两个层面：理论层面，通过优化NSGA-II算法的三维适配机制，改进立体环境建模方法，丰富多目标进化算法在无人机路径规划领域的应用理论，为三维空间多目标优化问题提供新的求解框架；工程层面，所提方法能有效提升无人机在复杂场景下的自主避障能力与作业效率，降低能耗与碰撞风险，为物流配送、电力巡检、应急救援等实际场景提供技术支撑，助力低空经济的规模化发展。
1.3 国内外研究现状
国外学者较早开展无人机3D路径规划与多目标优化研究，Smith等将NSGA-II算法应用于无人机军事侦察路径规划，通过构建能耗与隐蔽性双目标模型，验证了算法在多目标平衡中的有效性，但未充分考虑复杂地形的立体约束。国内方面，研究多聚焦于算法改进与场景适配，部分学者通过引入动态拥挤距离调整策略改进NSGA-II，提升了解集多样性，但在三维环境建模的精准度与计算效率平衡上存在不足。现有研究仍存在场景适配性差、多目标权重设计主观性强、路径平滑性优化不足等问题，亟需构建更完善的3D路径规划体系。
1.4 研究内容与技术路线
本文核心研究内容包括：三维飞行环境建模方法设计、基于NSGA-II的路径规划算法优化、仿真实验与性能验证。技术路线如下：首先梳理无人机3D路径规划的核心约束与多目标需求，构建立体环境模型；其次优化NSGA-II算法的编码、遗传操作及评价体系，实现算法与三维路径规划的深度适配；最后搭建仿真平台，在典型场景下开展对比实验，验证所提方法的优越性。
2 核心理论基础
2.1 无人机3D路径规划问题描述
无人机3D路径规划问题可定义为：在给定三维空间环境中，寻找一条从起始点S(x₁,y₁,z₁)到目标点T(x₂,y₂,z₂)的路径，满足以下约束条件与优化目标：
约束条件包括：① 避障约束，路径与障碍物、禁飞区的距离不小于安全阈值；② 高度约束，路径始终处于无人机最低与最高飞行高度范围内；③ 运动约束，路径曲率变化平缓，符合无人机机动性能限制。
优化目标为多目标冲突问题，核心目标包括：① 路径长度最短，降低飞行时间与能耗；② 风险最低，最小化路径与障碍物、禁飞区的贴近程度；③ 能耗最低，结合路径长度、高度变化量化能耗成本。
2.2 NSGA-II算法原理
NSGA-II是一种改进型多目标遗传算法，通过三大核心机制解决多目标优化问题，克服了传统多目标进化算法计算复杂度高、解集多样性差的缺陷。
快速非支配排序：将种群中的个体按非支配级别分层，若不存在其他个体在所有目标上优于该个体且至少一个目标更优，则该个体为非支配解，构成第一前沿层；剩余个体按同样规则生成后续前沿层，确保优先选择性能更优的个体。该机制将计算复杂度从O(MN³)降至O(MN²)（M为目标数，N为种群规模），显著提升计算效率。
精英保留策略：将父代种群与子代种群合并，通过非支配排序选择优秀个体进入下一代，避免优质解丢失，加快算法收敛速度。
拥挤距离与拥挤比较算子：拥挤距离衡量个体周围解的密度，距离越大表示个体周围解越稀疏，有助于维持解集多样性；拥挤比较算子综合非支配级别与拥挤距离，同一前沿层中优先选择拥挤距离大的个体，确保帕累托前沿解均匀分布。
NSGA-II基本流程为：初始化种群→目标函数评估→快速非支配排序→拥挤距离计算→选择、交叉、变异生成子代→合并种群并筛选下一代→迭代直至满足终止条件。
3 无人机3D路径规划系统设计
3.1 三维飞行环境建模
为精准描述复杂三维环境并适配算法求解，采用栅格-体素混合建模方法，将整个飞行空间离散为若干立方体栅格单元，每个单元存储地形高度、障碍物占用状态、风险等级等信息，具体建模流程如下：
地形建模：基于数字高程模型（DEM）获取地形海拔数据，将栅格单元的高度值映射为对应地形高度，通过线性插值处理相邻栅格的高度过渡，确保地形平滑性。
障碍物与禁飞区建模：将建筑物、高塔等障碍物建模为立方体或圆柱体几何体，标记其覆盖的栅格单元为不可通行区域；禁飞区按空域管制规则建模为三维多边形区域，通过坐标边界约束标记不可通行栅格。
风险地图构建：将环境风险量化为风险值，栅格单元风险值与障碍物距离成反比，与禁飞区距离、地形坡度正相关，通过归一化处理得到0-1区间的风险值，为路径评价提供依据。
飞行约束集成：在模型中嵌入无人机最低飞行高度（高于地形与障碍物最高点安全阈值）与最高飞行高度限制，过滤超出约束的栅格单元。
3.2 基于NSGA-II的路径规划算法优化
3.2.1 编码方式设计
采用分段整数编码方式，适配三维栅格环境。将路径按飞行步骤划分为若干段，每段编码对应栅格单元的三维坐标（x,y,z），起始点与目标点编码固定，中间节点编码通过遗传操作优化。该编码方式直观易懂，能直接映射路径位置，同时便于约束条件检查。
3.2.2 种群初始化
为提升初始种群质量，避免无效路径，采用随机初始化与启发式初始化结合的策略。随机生成部分种群，确保搜索空间覆盖度；同时基于起始点与目标点的直线方向，生成若干满足避障约束的初始路径，作为启发式个体，加快算法收敛。种群规模设为50，平衡搜索效率与计算成本。
3.2.3 遗传操作优化
选择操作：采用二进制锦标赛选择策略，从种群中随机抽取2个个体，优先选择非支配级别高的个体；若级别相同，选择拥挤距离大的个体，确保优秀个体遗传至子代。
交叉操作：采用单点交叉策略，随机选择交叉位置，交换两个父代个体的中间节点编码，交叉后对路径进行合法性检查，若存在碰撞风险则微调节点坐标，确保路径满足避障约束。
变异操作：采用自适应变异策略，根据迭代进度调整变异概率（初始0.1，迭代后期降至0.02），随机选取路径节点并调整其三维坐标，同时保证变异后的节点仍在可行区域内，避免算法早熟收敛。
3.2.4 多目标评价体系
构建三个核心目标函数，形成多目标评价体系：
目标函数1（路径长度最短）：计算路径上所有相邻节点的欧氏距离之和，公式为：$$f_1 = \sum_{i=1}^{n-1} \sqrt{(x_{i+1}-x_i)^2 + (y_{i+1}-y_i)^2 + (z_{i+1}-z_i)^2}$$，其中n为路径节点数，(x_i,y_i,z_i)为第i个节点坐标。
目标函数2（风险最低）：计算路径上所有节点的风险值均值，公式为：$$f_2 = \frac{1}{n} \sum_{i=1}^{n} r_i$$，其中r_i为第i个节点的风险值。
目标函数3（能耗最低）：结合路径长度与高度变化量化能耗，高度上升能耗系数高于水平飞行与下降，公式为：$$f_3 = k_1 f_1 + k_2 \sum_{i=1}^{n-1} \max(z_{i+1}-z_i,0)$$，其中k₁、k₂为能耗系数，根据无人机性能设定。
3.2.5 路径平滑处理
为满足无人机机动性能要求，对算法生成的帕累托最优路径进行贝塞尔曲线平滑处理，通过调整控制点坐标，消除路径中的锐角转折，使路径曲率连续变化，降低飞行过程中的能耗与稳定性风险。
4 结论与展望
4.1 研究结论
本文提出一种基于改进NSGA-II算法的无人机3D路径规划方法，通过构建精准的三维环境模型、优化算法适配机制及多目标评价体系，实现了复杂场景下无人机安全、高效、经济的路径规划。实验结果表明：该方法避障成功率高，帕累托前沿解集质量优异，能有效平衡路径长度、风险与能耗等冲突目标，同时具备较好的实时性与路径平滑性，综合性能优于传统A*算法与基础NSGA-II算法，可适用于城市、山区等多种复杂场景。
4.2 研究不足与未来展望
本文研究仍存在两点不足：一是当前模型假设环境为静态，未考虑动态障碍物（如其他无人机、飞鸟）的影响；二是多目标函数的权重设定依赖经验，缺乏自适应调整能力。未来可从以下方向展开研究：① 结合卡尔曼滤波预测动态障碍物运动轨迹，实现动态路径更新与重规划；② 引入强化学习算法，自适应优化多目标函数权重，提升算法对不同场景的适配性；③ 基于ROS机器人操作系统与实际无人机平台，开展户外实地测试，验证算法在真实环境中的稳定性与可靠性；④ 扩展至多无人机协同路径规划场景，加入路径冲突检测与协调机制，助力多无人机集群作业。
⛳️ 运行结果
🔗 参考文献
[1] 夏季,华志刚,彭鹏,等.基于非支配排序遗传算法的无约束多目标优化配煤模型[J].中国电机工程学报, 2011, 31(2):6.DOI:CNKI:SUN:ZGDC.0.2011-02-016.
[2] 李凯.多目标进化算法的研究[D].华东交通大学[2026-01-27].DOI:CNKI:CDMD:2.1014.069349.
[3] 王珑,王同光,罗源.改进的NSGA-II算法研究风力机叶片多目标优化[J].应用数学和力学, 2011.
📣 部分代码
🎈 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
🌈 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
🌈 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
🌈 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
👇
