摘要：針對(duì)復(fù)雜城市環(huán)境下無(wú)人機(jī)目標(biāo)打擊問(wèn)題，引入一種基于電鰻覓食優(yōu)化算法的無(wú)人機(jī)目標(biāo)打擊方法。該方法首先設(shè)置稀疏環(huán)境無(wú)敵防守和密集環(huán)境有敵防守2種場(chǎng)景并設(shè)計(jì)相應(yīng)的約束條件和航跡優(yōu)化代價(jià)函數(shù)以符合城市環(huán)境飛行需求，然后通過(guò)電鰻覓食優(yōu)化算法（electric eel forag?ing optimization，EEFO）為無(wú)人機(jī)規(guī)劃出一條合理的目標(biāo)打擊軌跡，最后得到其飛行軌跡和適應(yīng)度值，并與SO，SCA，WOA，MFO，HHO 5種算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，在稀疏環(huán)境無(wú)敵防守場(chǎng)景下EEFO 算法比其他五種算法具有更高的軌跡規(guī)劃效率和穩(wěn)定性，消耗的航跡代價(jià)最小且收斂更快；在密集環(huán)境有敵防守場(chǎng)景下EEFO 算法與其他5種算法相比，所規(guī)劃出的目標(biāo)打擊軌跡最優(yōu)且消耗的航跡代價(jià)收斂趨勢(shì)更好，任務(wù)完成度最高，具有更好的表現(xiàn)。

關(guān)鍵詞：城市環(huán)境；無(wú)人機(jī)；目標(biāo)打擊；航跡規(guī)劃；電鰻覓食優(yōu)化

DOI：10.3969/j. issn. 1009-086x. 2025. 01. 001

中圖分類號(hào)：TJ35 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1009-086X（2025）-01 -0001 -10

引用格式：費(fèi)陳， 趙亮， 賀擁亮， 等.城市環(huán)境下無(wú)人機(jī)群目標(biāo)打擊航跡規(guī)劃[J].現(xiàn)代防御技術(shù)，2025，53（1）：1-10.

Reference format：FEI Chen，ZHAO Liang，HE Yongliang，et al.Trajectory Planning for UAV Swarm Target Strikes in UrbanEnvironments[J].Modern Defence Technology，2025，53（1）：1-10.

0 引 言

由于具有靈活性、高智能化與自主化，無(wú)人機(jī)被廣泛應(yīng)用于農(nóng)業(yè)、物流、監(jiān)控、救援、軍事等多個(gè)領(lǐng)域［1?3］，具有非常廣闊的應(yīng)用前景。特別是在軍事領(lǐng)域，無(wú)人機(jī)可以執(zhí)行高風(fēng)險(xiǎn)任務(wù)，如偵察、打擊等，減少了戰(zhàn)斗人員的傷亡風(fēng)險(xiǎn)并實(shí)現(xiàn)“零傷亡”的戰(zhàn)斗目標(biāo)［4?5］。隨著全球城市化進(jìn)程不斷推進(jìn)，城市不僅是國(guó)家政治、經(jīng)濟(jì)、軍事中心，更是科技文化和信息中心，奪取或守住城市就能達(dá)成戰(zhàn)役目的［6］，決定戰(zhàn)爭(zhēng)結(jié)果，因此無(wú)人機(jī)城市作戰(zhàn)備受矚目。

無(wú)人機(jī)城市作戰(zhàn)的關(guān)鍵技術(shù)之一是基于城市環(huán)境下的無(wú)人機(jī)航跡規(guī)劃。目前關(guān)于城市環(huán)境下無(wú)人機(jī)航跡規(guī)劃的研究較少。MU?OZ 等［7］采用覆蓋路徑規(guī)劃（coverage path planning，CPP）算法進(jìn)行路徑規(guī)劃，但其需要對(duì)城市環(huán)境進(jìn)行全面探索，耗時(shí)長(zhǎng)且缺乏實(shí)時(shí)性。相比之下，蛇優(yōu)化算法（snakeoptimizer，SO）在處理實(shí)時(shí)路徑生成時(shí)表現(xiàn)更為高效。WU 等［8］提出了太陽(yáng)能無(wú)人機(jī)（solar unmannedaerial vehicle，SUAV）的路徑規(guī)劃框架，解決了太陽(yáng)能精確建模問(wèn)題，但該方法對(duì)昏暗環(huán)境下的規(guī)劃存在局限，而正余弦優(yōu)化算法（sine cosine algorithm，SCA）則在多種光照條件下表現(xiàn)穩(wěn)定。HU 等［9］提出了一種基于風(fēng)險(xiǎn)成本的路徑規(guī)劃方法，盡管考慮了多種風(fēng)險(xiǎn)，但依賴于預(yù)設(shè)的環(huán)境模型，實(shí)時(shí)性不足，而鯨魚(yú)優(yōu)化算法（whale optimization algorithm，WOA）則具有較高的靈活性，能在動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)實(shí)時(shí)規(guī)劃。此外，甯洋等［10］提出了一種融合壓縮策略和變異策略的粒子群（compression and mutationparticle swarm optimization，CMPSO）算法，將不同形狀的建筑物簡(jiǎn)化為圓柱形障礙物，主要適用于二維空間規(guī)劃，而飛蛾火焰優(yōu)化算法（moth flameoptimization，MFO）則適用于更復(fù)雜的三維空間路徑規(guī)劃。胡莘婷等［11］提出的改進(jìn)聚類蟻群算法（clustering improved ant colony optimization，CIACO）在已知環(huán)境下表現(xiàn)良好，但應(yīng)變能力不足，難以處理未知威脅，而哈里斯鷹優(yōu)化算法（Harris hawksoptimization，HHO）在動(dòng)態(tài)威脅環(huán)境中的表現(xiàn)更具優(yōu)勢(shì)。綜上所述，現(xiàn)有研究在應(yīng)對(duì)無(wú)人機(jī)城市環(huán)境路徑規(guī)劃時(shí)仍存在一定局限性，具體表現(xiàn)為對(duì)無(wú)人機(jī)航跡的約束考慮不夠全面，較為依賴已有的環(huán)境模型，且在處理三維空間中的障礙物時(shí)考慮不充分，導(dǎo)致其在復(fù)雜城市環(huán)境中的適應(yīng)性較差，避障性能較弱。

為解決上述局限性，本文提出了一種基于電鰻覓食優(yōu)化算法（electric eel foraging optimization，EEFO）的無(wú)人機(jī)目標(biāo)打擊方法，以克服復(fù)雜城市環(huán)境中的適應(yīng)性差、避障性弱、精準(zhǔn)打擊不足等問(wèn)題。EEFO 模擬電鰻的運(yùn)動(dòng)和探測(cè)機(jī)制，通過(guò)多層次決策，實(shí)現(xiàn)全局與局部路徑優(yōu)化，增強(qiáng)無(wú)人機(jī)在動(dòng)態(tài)環(huán)境中的實(shí)時(shí)調(diào)整能力和魯棒性，相比強(qiáng)化學(xué)習(xí)和RT路徑規(guī)劃方法，EEFO在動(dòng)態(tài)環(huán)境中具備更強(qiáng)的實(shí)時(shí)反饋和靈活性。本文通過(guò)與SO，SCA，WOA，MFO，HHO等經(jīng)典算法對(duì)比，探討更實(shí)用的路徑規(guī)劃策略，以提高無(wú)人機(jī)在復(fù)雜城市環(huán)境中的作戰(zhàn)能力。