华南农业大学陆健强教授等:耦合人工蜂鸟算法与能耗均衡模型的山地果园多无人机路径规划

2026-02-09 04:45:55

2026年第3期论文已上线，点击关注不迷路！

《农业工程学报》2025年第41卷第22期刊载了华南农业大学等单位陆健强、陈祖城、余超然、王卫星、兰玉彬、童海洋、鲍国庆、周正扬与陈宇杰的论文——“耦合人工蜂鸟算法与能耗均衡模型的山地果园多无人机路径规划”。该研究由宁夏回族自治区重点研发计划项目重大专项（项目号：2025BBF01004）等资助。

引文信息：陆健强，陈祖城，余超然，等. 耦合人工蜂鸟算法与能耗均衡模型的山地果园多无人机路径规划[J]. 农业工程学报，2025，41(22)：72-81.

DOI: 10.11975/j.issn.1002-6819.202504169

研究目的与方法：

针对山地果园多无人机协同作业中路径规划复杂度高、收敛速度慢、路径稳定性差及能耗不均衡的问题，该研究提出耦合改进人工蜂鸟算法与能耗均衡算法的作业模型。

首先利用航测无人机获取作业区域的数字高程模型并提取作业目标点的坐标信息，基于提取数据构建和绘制果园模型。然后，针对人工蜂鸟算法在路径规划方面容易陷入局部最优和早熟问题，引入混合初始化、余弦退火与指数衰减策略及周期性2-opt局部优化对其进行改进，并设计访问表驱动的多策略引导机制和锦标赛迁移机制，以提升算法收敛速度与搜索稳定性。最后，引入递归分割能耗均衡算法实现多机能耗协同优化，从而求取多无人机作业的最优遍历序列。

结果与结论：

试验表明，单机路径规划中，改进的人工蜂鸟算法（improved artificial hummingbird algorithm, IAHA）较人工蜂鸟算法（artificial hummingbird algorithm, AHA）、蚁群优化算法（ant colony optimization, ACO）、遗传算法（genetic algorithm, GA）、模拟退火算法（simulated annealing, SA）、粒子群优化算法（particle swarm optimization, PSO）的最短路径长度分别减少25.7%、2.0%、20.6%、12.74%、19.19%，在基础路径优化能力上具备显著优势；多机试验中，能耗变异系数低至1.16%，实现面向山地作业场景的多无人机能耗高均衡协同。本研究为复杂环境下多无人机系统的高效路径规划与能耗均衡提供了有效解决方案。