已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

UAV path planning method in dynamic environments: an ant colony algorithm-based optimization study

蚁群优化算法 计算机科学 运动规划 路径(计算) 数学优化 算法 实时计算 人工智能 机器人 数学 计算机网络
作者
J H Zhang,Yibin Hu,Hanyue Liu,Zhou Yu,K. Wu,Mingyang Xu
标识
DOI:10.1117/12.3059082
摘要

With the rapid development of drone technology, drones are being used more and more widely in fields such as logistics and distribution, agricultural monitoring, disaster relief and environmental protection. However, path planning in dynamic environments remains one of the major challenges for UAVs. Traditional path planning methods such as Dijkstra and A* algorithms perform well in static environments but have limited effectiveness in dynamic environments. This paper proposes an UAV path planning method based on Ant Colony Optimization (ACO) optimization. By introducing a dynamic pheromone update mechanism, environmental prediction technology, and an adaptive parameter adjustment strategy, the adaptability and efficiency of the algorithm in dynamic environments are improved. Simulation experiments have shown that the improved ACO algorithm is superior to the traditional ACO and A* algorithms in terms of path length, calculation time, success rate and path smoothness. The research in this paper provides a feasible solution for the autonomous flight of UAVs in dynamic environments and provides new ideas for the expansion of intelligent optimization algorithms in practical applications.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
FashionBoy应助淳于穆采纳,获得10
9秒前
CodeCraft应助zzz采纳,获得10
9秒前
龙骑士25完成签到 ,获得积分10
11秒前
12秒前
嗯哼应助科研通管家采纳,获得20
14秒前
梁朝伟应助科研通管家采纳,获得10
14秒前
小二郎应助科研通管家采纳,获得10
15秒前
梁朝伟应助科研通管家采纳,获得10
15秒前
叶夜南完成签到 ,获得积分10
16秒前
神说要有光完成签到,获得积分10
17秒前
XYX发布了新的文献求助10
17秒前
18秒前
18秒前
烟花应助专注的小懒虫采纳,获得10
21秒前
Qing完成签到,获得积分10
22秒前
David完成签到,获得积分10
23秒前
pass完成签到 ,获得积分10
29秒前
30秒前
30秒前
所所应助556采纳,获得10
30秒前
33秒前
小雨点完成签到,获得积分10
35秒前
清爽老九应助威武果汁采纳,获得10
36秒前
容言发布了新的文献求助10
37秒前
38秒前
岚12完成签到 ,获得积分10
48秒前
汉堡包应助Snieno采纳,获得10
48秒前
机智的小羊尾完成签到 ,获得积分10
53秒前
BYN完成签到 ,获得积分10
54秒前
深情安青应助先心小白狗采纳,获得10
55秒前
56秒前
58秒前
专注的小懒虫完成签到,获得积分10
59秒前
皮包医师发布了新的文献求助30
1分钟前
1分钟前
1分钟前
1分钟前
zhou完成签到,获得积分10
1分钟前
1分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3314323
求助须知:如何正确求助?哪些是违规求助? 2946587
关于积分的说明 8530889
捐赠科研通 2622334
什么是DOI,文献DOI怎么找? 1434442
科研通“疑难数据库(出版商)”最低求助积分说明 665312
邀请新用户注册赠送积分活动 650855