路径规划技术是伴随着自动化技术的快速发展而迅速崛起的技术,在舰艇,机器人,无人机等人工智能领域应用突出。无人机航迹规划旨在复杂环境约束和无人机自身物理约束条件下,实现从起点到目标点的最优航行轨迹任务。随着自动化、信息化的快速发展,复杂环境下对无人机航迹规划提出了越来越高的要求。无人机在航迹规划的过程中不仅要快速做出反应,而且要完成多个任务目标,且多个任务之间往往存在一定的冲突。因此,航迹规划复杂数学模型设计和解决多个优化目标的算法设计尤为重要。本文在多目标遗传算法——带精英策略的非支配排序遗传算法(NSGA-Ⅱ)的基础上研究复杂环境三维无人机航迹规划,主要研究工作有:1.根据多目标优化问题解的相关理论,建立三维环境下无人机航迹规划的数学模型。结合三维环境综合考虑无人机飞行过程中的最大水平转弯角约束,最大俯冲角或爬升角约束,飞行高度约束等,建立了无人机航迹规划代价评价指标,包括航迹长度代价、威胁性代价、隐蔽性代价等多目标评价指标。2.针对传统第二代非支配排序遗传算法(NSGA-Ⅱ)求解无人机多目标三维航迹规划局部收敛及多样性不足的局限性,提出了一种新的双种群NSGA-Ⅱ算法。该算法设置两个独立种群分别用NSGA-Ⅱ算法独立演化,隔代在两种族之间迁徙,接着各种群进行寻优进化。仿真结果表明,新算法比传统NSGA-Ⅱ算法在解的收敛性和鲁棒性上更具优势,更适用于无人机三维航迹规划。3.针对双种群NSGA-Ⅱ算法在两个种群进行迁徙时人为设定比例的缺陷,提出了支持强化学习的RNSGA-Ⅱ算法。根据种群多样性的变化运用强化学习算法动态地优化各种群间“迁徙”的比例参数,从而使进化过程保持种群多样性,一定程度上解决了收敛速度和全局收敛性之间的矛盾。仿真结果表明,RNSGA-Ⅱ算法较其他算法的收敛精度,鲁棒性和解集多样性等优势明显。