灾害区 UAV 自主轨迹优化：亨利气体优化算法
系统与控制
2025-06-23 v1 分布式、并行与集群计算
网络与互联网体系结构
系统与控制
摘要
灾害环境下的无人机(UAV)在协助救援服务和提供与外部世界的网络连接方面发挥着重要作用。然而，在这种复杂环境中，UAV 轨迹的最优选择至关重要。UAV 轨迹优化涉及在最短时间内找到最短路径。在本文中，提出了使用亨利气体优化(HGO) 元启发式算法的聚类优化方案(COS)，以识别最小化运输成本和算法复杂度的最短路径。为 COS 设计了数学模型，采用 HGO 算法，并与基于粒子群优化(PSO)、灰狼优化(GWO)、蜂窝搜索算法(CSA)和 barnacles mating optimizer(BMO) 等最先进的元启发式算法进行比较。为证明所提模型的鲁棒性，评估了四种不同场景，包括常规环境、限制环境、纠结环境和复杂环境。在上述所有场景中，HGO 算法均优于现有算法。特别是在常规环境中，HGO 算法相较于 PSO 算法实现了 39.3% 的运输成本降低和 16.8% 的计算时间降低。因此，HGO 算法可用于智能城市中 UAV 的自主轨迹优化。
引用
@article{arxiv.2506.15910,
title = {Autonomous Trajectory Optimization for UAVs in Disaster Zone Using Henry Gas Optimization Scheme},
author = {Zakria Qadir and Muhammad Bilal and Guoqiang Liu and Xiaolong Xu},
journal= {arXiv preprint arXiv:2506.15910},
year = {2025}
}
备注
12 pages, 9 figuers