“小龙虾“保姆级本地部署安装运行：：复杂三维山地环境下小龙虾优化算法COA求解多无人机动态避障路径规划研究，MATLAB代码

IT猿手

694人浏览 · 2026-03-11 23:31:13

IT猿手 · 2026-03-11 23:31:13 发布

一、小龙虾优化算法COA

小龙虾优化算法（Crayfsh optimization algorithm，COA）由Jia Heming 等人于2023年提出，该算法模拟小龙虾的避暑、竞争和觅食行为，具有搜索速度快，搜索能力强，能够有效平衡全局搜索和局部搜索的能力。

小龙虾是一种形状类似于虾的甲壳类动物，其甲壳坚硬且颜色丰富。成体的小龙虾身长约5.6-11.9厘米，整体颜色包括红色、红棕色和粉红色。背部是酱暗红色，两侧则是粉红色，带有橘黄色或白色的斑点。甲壳部分近黑色，而腹部背面则有一楔形条纹。幼虾体为均匀的灰色，有时具有黑色波纹，其螯狭长，甲壳中部不被网眼状空隙分隔，甲壳上明显具有颗粒。

小龙虾属于杂食性动物，它们的饮食习性比较特殊。在河底，小龙虾更喜欢吃泥，并且喜欢吃已经死亡的小鱼或其他水中生物。除此之外，植物类、小鱼、小虾、浮游生物、底栖生物和藻类都可以成为它们的食物。
参考文献：

[1] Jia, H., Rao, H., Wen, C. et al. Crayfish optimization algorithm. Artif Intell Rev (2023). Crayfish optimization algorithm | SpringerLink

【"小龙虾"保姆级本地部署安装运行：基于复杂三维山地环境下的小龙虾优化算法COA求解多无人机动态避障路径规划研究，MATLAB代码】 https://www.bilibili.com/video/BV1RnwAzpEfH/?share_source=copy_web&vd_source=8a15dca68010ae8fdb76efa47fd454a2
【一键式部署“小龙虾”：基于复杂三维山地环境下的小龙虾优化算法COA求解多无人机动态避障路径规划研究，MATLAB代码】 https://www.bilibili.com/video/BV1i7wAzxESd/?share_source=copy_web&vd_source=8a15dca68010ae8fdb76efa47fd454a2

二、无人机（UAV）三维路径规划

单个无人机三维路径规划数学模型参考如下文献：

Phung M D , Ha Q P . Safety-enhanced UAV Path Planning with Spherical Vector-based Particle Swarm Optimization[J]. arXiv e-prints, 2021.

每个无人机的目标函数由路径长度成本，安全性与可行性成本、飞行高度成本和路径平滑成本共同组成：

2.1路径长度成本

路径长度成本由相邻两个节点之间的欧氏距离和构成，其计算公式如下：
在这里插入图片描述

2.2路径安全性与可行性成本

在这里插入图片描述

路径安全性与可行性成本通过下式计算：

在这里插入图片描述

2.3路径飞行高度成本

在这里插入图片描述

飞行高度成本通过如下公式计算所得：
在这里插入图片描述

2.4路径平滑成本

在这里插入图片描述

投影向量通过如下公式计算：

在这里插入图片描述

转弯角度的计算公式为：
在这里插入图片描述

爬坡角度的计算公式为：

在这里插入图片描述

平滑成本的计算公式为：
在这里插入图片描述

2.5总成本（目标函数）

在这里插入图片描述

总成本由最优路径成本，安全性与可行性成本、飞行高度成本和路径平滑成本的线性加权所得。其中，b为加权系数。

2.6 动态窗口法原理

动态窗口法的核心思想是在速度空间中搜索最优速度向量，用于无人机动态避障其核心步骤包括：

速度窗口采样：根据无人机运动学约束，生成可行速度集 $V_{sample}$ ；
轨迹预测：对每个采样速度，预测未来一段时间内的无人机轨迹；
评价函数计算：通过评价函数评估每条预测轨迹的优劣，筛选出最优轨迹对应的速度；
速度更新：将最优速度作为无人机的当前运动速度，完成局部路径规划。

评价函数包含目标趋近度、避障安全性和速度平滑性三个指标，其表达式为：
$G(v,\omega)=\alpha \cdot heading(v,\omega)+\beta \cdot dist(v,\omega)+\gamma \cdot velocity(v,\omega)$
其中， $\alpha,\beta,\gamma$ 为权重系数， $h e a d in g$ 表示轨迹与目标方向的夹角， $d i s t$ 表示轨迹与障碍物的最小距离， $v e l oc i t y$ 表示轨迹的速度大小。

三、实验结果

点击查看多无人机动态避障路径规划代码及效果演示
在三维无人机路径规划中，无人机的路径由起点，终点以及起始点间的点共同连接而成。因此，自变量为无人机起始点间的各点坐标，每个无人机的目标函数为总成本（公式9）。本文研究3个无人机协同路径规划，总的目标函数为3个无人机的总成本之和。

%% 第一个无人机 起始点
start_location = [120;200;100];
end_location = [800;800;150];
ModelUAV(1).model.start=start_location;
ModelUAV(1).model.end=end_location;
%% 第二个无人机 起始点
start_location = [400;100;100];
end_location = [900;600;150];
ModelUAV(2).model.start=start_location;
ModelUAV(2).model.end=end_location;
%% 第三个无人机 起始点
start_location = [200;150;150];
end_location =[850;750;150];
ModelUAV(3).model.start=start_location;
ModelUAV(3).model.end=end_location;
%% 第四个无人机 起始点
start_location = [100;100;150];
end_location = [800;730;150];
ModelUAV(4).model.start=start_location;
ModelUAV(4).model.end=end_location;
%% 第5个无人机 起始点
start_location = [500;100;130];
end_location = [850;650;150];
ModelUAV(5).model.start=start_location;
ModelUAV(5).model.end=end_location;

figure
plot(Convergence_curve,'LineWidth',2)
xlabel('Iteration');
ylabel('Best Cost');
grid on;

在这里插入图片描述

四、完整MATLAB代码见下方名片

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

基于springboot地铁站设施设备查询系统设计

AtomGit开源社区

**LLM微调实战指南：从零开始构建定制化大模型（附完整代码流程）**在

本文不仅给出了从零开始构建 LLM 微调项目的完整路径，还提供了真实可用的代码片段和最佳实践。如果你正在寻找一条低成本、高效率的模型定制路线，LoRA + HuggingFace + 自定义指令微调是目前最成熟的解决方案之一。无论你是做智能客服、内容生成还是知识问答系统，这套方法都能帮你把通用大模型变成真正属于你业务的独特引擎！🚀 现在就开始动手试试吧！欢迎在评论区分享你的微调成果！