✅作者简介：热爱科研的Matlab仿真开发者，擅长数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
水陆两栖无人机融合了旋翼无人机的空中高速机动能力与无人水面艇的水面航行能力，可同时覆盖空中、水面两类作业场景，在应急救援、流域生态监测、岛礁物资投送、近岸地质勘探等特殊场景中展现出了远超单一形态无人机的环境适配能力。但这类无人机的任务规划问题相比常规纯空中无人机复杂度大幅提升：需要同时考虑空中飞行、水面航行两类完全不同的运动模式，两类模式之间的能耗系数、运动约束、避障规则完全不同，还需要额外处理水陆交界区域的模式切换动作，传统单一智能优化算法很容易出现收敛速度慢、陷入局部最优解的问题，无法满足复杂场景下的高效任务规划需求。
本研究提出粒子群优化（PSO）与遗传算法（GA）深度融合的混合智能优化框架，充分发挥PSO算法收敛速度快、GA算法全局搜索能力强的互补优势，构建覆盖多目标成本的水陆两栖无人机专属任务规划模型，实现复杂水陆混合场景下的高效全局最优任务规划，大幅提升两栖无人机的任务执行效率与续航能力。
水陆两栖无人机专属任务规划建模
本研究针对水陆两栖无人机的运行特性，构建完全贴合真实物理约束的任务规划系统模型：
2.1 三维环境地图与多威胁建模
将规划空间定义为三维水陆混合空间，空间内同时包含三类不同属性的区域：
陆地障碍物区域：包含山峰、建筑、高大植被等不可穿越区域，无人机在任何模式下都不能进入该区域。
开阔水域区域：无人机既可以选择从该区域上方空中飞越，也可以选择降落到水面切换为航行模式在水面航行。
威胁区域：包含雷达探测区、防空火力区、强电磁干扰区，无人机进入该区域会产生额外的威胁代价，区域内的威胁强度随距离威胁中心的距离动态变化。
地图内的所有障碍物与威胁区域都采用高斯函数平滑建模，避免传统硬边界建模导致的路径规划结果出现大量尖锐拐点的问题，生成的路径天然平滑可飞。
2.3 模式切换约束建模
在模型中专门新增水陆模式切换的约束规则：无人机仅能在开阔水域区域内完成空中到水面、水面到空中的模式切换，切换过程的最小安全水深设置为0.5m，避免无人机降落到浅滩区域发生搁浅事故，所有生成的路径的模式切换点都自动满足该物理约束，不会输出不可执行的非法路径。
PSO-GA混合优化算法设计
本研究融合PSO算法与GA算法的核心优势，构建混合智能优化框架，彻底解决单一算法的固有缺陷：
粒子编码规则设计：种群中的每一个粒子直接编码为一条完整的水陆两栖无人机可执行路径，路径上的每一个路径点同时包含三维空间坐标与当前运动模式两个属性，粒子的维度长度可根据规划场景的复杂度动态调整。
PSO快速收敛阶段：算法迭代的前半阶段优先执行PSO更新逻辑，利用PSO算法收敛速度快的优势，让整个种群快速向当前最优解区域聚拢。粒子的速度与位置更新规则保留标准PSO的全局最优与个体最优引导机制，同时在更新过程中自动校验新生成的路径是否满足障碍物与模式切换约束，直接丢弃非法不可行路径。
GA全局搜索增强阶段：当PSO算法的全局最优解连续5次迭代没有明显提升时，自动触发GA算法的交叉与变异操作，对当前种群中适应度最优的30%个体执行单点交叉与高斯变异操作，生成大量全新的候选路径个体，跳出PSO容易陷入的局部最优区域，进一步搜索更优的全局最优解。
精英保留机制：每一次迭代过程中，自动将当前种群中适应度最高的10%精英个体直接保留到下一代，避免迭代过程中已经找到的优质解被破坏，保证算法的收敛 monotonicity。
