✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、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
针对无人机在复杂三维动态环境中（含移动障碍物、地形约束）的路径规划难题，提出一种融合部落竞争与成员合作算法（CTCM）与动态窗口法（DWA）的双层避障方案。CTCM 算法通过部落竞争机制实现全局路径的高效探索，利用成员合作策略提升局部寻优精度，生成满足航程、能耗约束的初始路径；DWA 算法基于无人机动力学模型与实时环境感知信息，在局部范围内动态调整速度与姿态，实现对移动障碍物的快速规避。仿真实验在含 5 个动态障碍物、复杂地形的三维场景中验证，结果表明：该方法的路径长度比传统 A*+DWA 缩短 8.3%，避障响应时间≤0.12s，路径平滑度提升 15.7%，且在障碍物移动速度≤5m/s 时仍保持 100% 避障成功率，为无人机复杂环境下的安全航行提供了可靠技术支撑。
1 引言
1.1 研究背景与问题提出
无人机三维路径规划是自主飞行的核心技术，广泛应用于电力巡检、应急救援、物流配送等场景 [1]。动态避障问题的核心挑战在于：① 环境的动态性（障碍物位置、速度实时变化）；② 三维空间的约束复杂性（地形起伏、飞行高度限制）；③ 算法的实时性与优化性平衡（既要快速响应障碍，又要保证路径最优）[2]。
传统路径规划方法存在明显缺陷：① 全局算法（如 A、RRT）难以应对动态障碍物，重规划效率低；② 局部避障算法（如 DWA、APF）易陷入局部最优，缺乏全局路径引导；③ 单一智能优化算法（如 PSO、GA）在三维空间中寻优精度不足，收敛速度慢 [3]。部落竞争与成员合作算法（CTCM）作为新型群智能算法，通过模拟人类部落竞争与协作行为，兼具全局探索与局部开发优势，但单独应用于动态避障时实时性不足；动态窗口法（DWA）基于速度空间采样，局部避障响应快，但缺乏全局路径约束易导致路径冗余 [4]。因此，融合 CTCM 的全局优化能力与 DWA 的局部动态避障优势，成为解决无人机三维动态避障问题的有效路径。
1.2 研究现状
现有融合算法多集中于 “全局静态路径 + 局部动态调整” 模式：如 A+DWA、RRT+APF 等，但存在两点不足：① 全局算法对三维空间的适应性差，路径平滑度不足；② 局部算法与全局算法的融合机制简单，未充分利用全局路径的引导信息 [5]。CTCM 算法自 2023 年提出以来，已应用于函数优化、机器人路径规划等领域 [6]，但其在三维动态环境中的应用尚未见报道，如何与 DWA 实现深度融合（如全局路径约束下的局部速度优化）成为研究关键。
1.3 本文创新点
提出 “CTCM 全局路径优化 + DWA 局部动态避障” 的双层框架，通过全局路径提供引导信息，约束 DWA 的速度采样空间，提升避障效率；
改进 CTCM 算法的适应度函数，引入三维空间的地形约束、能耗成本与动态障碍物预判因子，生成更贴合实际飞行需求的初始路径；
设计动态权重融合机制，根据障碍物距离、移动速度动态调整 CTCM 与 DWA 的作用权重，平衡全局优化与局部避障的实时性。
2 问题建模与基础理论
2.1 无人机三维动态环境建模
Image
Image
⛳️ 运行结果
Image
Image
Image
📣 部分代码
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
