用于预测与优化无人机群体轨迹的 AI 算法

本文探讨了人工智能（AI）技术用于生成无人机（UAV）编队轨迹的应用。所关注的两个主要挑战包括准确预测 UAV 轨迹以及高效避免它们之间的碰撞。首先，本文系统性地将多种激活函数应用于单隐藏层的前馈神经网络（FFNN），显著提升预测轨迹的准确度。其次，我们引入一种新型激活函数 AdaptoSwelliGauss，其是将 Swish 与 Elliott 激活函数融合，并无缝集成缩放平移高斯分量的复杂构成。Swish 促进平滑过渡，Elliott 捕捉轨迹突变，缩放平移高斯分量增强对噪声的鲁棒性。这种动态组合专为捕捉 UAV 轨迹预测的复杂性而设计。该新型激活函数在所有现有激活函数中均表现出显著更好的准确度。最后，我们提出一种新型集成碰撞检测、规避与批处理（ICDAB）策略，其融合了两种互补的 UAV 碰撞规避技术：改变 UAV 轨迹和改变其起始时间（即批处理）。这种集成克服了两种技术的缺点：减少轨迹变换次数，避免轨迹过于复杂；减小批次规模，缩短整体起飞时间。