一种用于三维无人机路径规划与工程问题的多策略改进蛇群优化器

元启发式算法因其能够生成多样化解的能力而在各个领域获得了广泛应用。蛇群优化器 (Snake Optimizer, SO) 就是其中一种渐进式优化方法。然而，SO 存在收敛速度慢和易陷入局部最优的问题。针对这些缺点，我们提出了一种新颖的多策略改进蛇群优化器 (Multi-strategy Improved Snake Optimizer, MISO)。首先，我们提出了一种基于正弦函数的新型自适应随机扰动策略，以降低陷入局部最优的风险。其次，我们引入了基于比例因子和领导者的自适应 Lévy 飞行策略，并赋予雄蛇领导者飞行能力，这使得算法更容易跳出局部最优并找到全局最优。更重要的是，我们提出了一种结合精英领导与布朗运动的位置更新策略，在保证精度的同时有效加快了收敛速度。最后，为了展示 MISO 的性能，我们使用了 30 个 CEC2017 测试函数和 CEC2022 测试套件，在不同维度上与 11 种流行算法进行了比较，以验证其有效性。此外，无人机 (UAV) 因其低成本、高机动性和易于操作的优势被广泛应用于各个领域。然而，无人机路径规划问题对飞行安全和效率至关重要，在建立和优化路径模型方面仍存在挑战。因此，我们将 MISO 应用于无人机三维路径规划问题以及 6 个工程设计问题，以评估其在实际应用中的可行性。实验结果表明，MISO 在解的质量和稳定性方面优于其他竞争算法，确立了其强大的应用潜力。