基于 NSGA-II 的城市密集区无人机多目标路径规划 Matlab 实现

NSGA-II 优化的是抽象染色体变量，需通过解码模块转换为真实的三维飞行轨迹，本文采用 B 样条插值实现轨迹平滑，同时通过核心修复解决了轨迹'跨步穿模'问题，是连接优化变量与物理轨迹的关键模块。

2.2.1 染色体编码设计

优化变量采用分层结构化编码，每个航点包含 4 个变量 [dx,dy,h,w]，分别为 x/y 方向偏移、飞行高度、B 样条权重，总变量数为：

[图：变量计算公式]

其中 Nwaypoints=14，因此总变量数为 56，变量上下界通过 repmat 设置为 [-150,-150,20,0.1]（下界）和 [150,150,350,1.0]（上界），杜绝无效空域。

2.2.2 控制点构建

将一维染色体重塑为矩阵后，结合基准航点和起终点构建 B 样条控制点，公式为：

[图：控制点构建公式]

其中，(xs,ys,zs) 为起点坐标，(xt,yt,zt) 为终点坐标，xbase/ybase 为起终点间的线性基准航点。

2.2.3 3 阶 B 样条轨迹生成

采用 3 阶 B 样条生成平滑轨迹，其基函数通过递归公式计算，是保证轨迹连续可微的核心：

[图：B 样条基函数公式]

其中，t 为节点向量，u∈[0,1] 为归一化参数，k=3 为 B 样条阶数。

通过基函数加权控制点得到最终轨迹：

[图：轨迹生成公式]

其中 CPj 为第 j 个控制点，n 为控制点数量。

2.2.4 核心修复：防跨步穿模

为解决低采样率导致的轨迹跨步穿模（优化变量的离散航点间轨迹穿透建筑）问题，将采样点数量从默认值提升至 250 个，大幅提高轨迹分辨率，确保每一段轨迹都能被约束检验模块有效检测。

2.3 硬约束检验模块（evaluate_Constraints.m）

硬约束是无人机飞行的安全底线，违反则直接判定为无效解，本文实现了禁飞区防撞约束和极限动力学约束两类核心硬约束，采用穿透深度量化约束违规程度，为 NSGA-II 提供清晰的约束评价指标。

2.3.1 禁飞区防撞约束（核心）

为建筑增加 5m 安全保护罩（核心修复），避免轨迹紧贴建筑导致的安全风险，建筑的实际约束参数为：

[图：建筑约束参数公式]

其中 R/H 为建筑原始半径/高度，R'/H' 为加入安全裕度后的约束参数。

碰撞判定条件：无人机轨迹上某点的水平距离小于 R'且高度低于 H'，即：

[图：碰撞判定条件公式]

若存在碰撞点，计算最大穿透深度作为约束违规值（正值表示违规）：

[图：穿透深度公式]

若无碰撞点，cval=-1（负值表示满足约束）。

2.3.2 极限动力学约束：最大爬升角

爬升角是无人机单位 2D 航程的高度变化，计算公式为：

[图：爬升角计算公式]

其中Δx/Δy/Δz 为相邻轨迹点的坐标变化量。

为限制无人机的极限拉升/俯冲，设置爬升角双向约束：

[图：爬升角约束公式]

将违规值 max(θ−θmax) 和 max(−θmax−θ) 加入约束数组，确保爬升角在安全范围内。

2.3.3 约束输出格式

最终输出不等式约束数组 c（等式约束 ceq=∅），满足 c≤0 时表示所有硬约束均被遵守，NSGA-II 将剔除 c>0 的严重违规解。

2.4 多目标函数与分层惩罚模块（evaluate_Objectives.m）

多目标函数是路径规划的性能导向，本文设计了能耗、威胁、平滑三个相互冲突的目标函数，同时构建二级混合罚函数机制（软约束惩罚 + 绝对致死惩罚），实现约束违规的梯度化惩罚，是多目标优化的核心模块。

2.4.1 多目标函数量化（三大核心目标）

三个目标函数均为最小化目标，相互之间存在折中关系（如隐蔽最优需大迂回，导致能耗增加、轨迹平滑性下降）。

目标 1：综合飞行能耗代价 J1

能耗代价综合考虑巡航能耗、机动变向能耗、高度升降能耗，采用加权和模型量化，公式为：

[图：能耗代价公式]

偏航角计算：ψ=arctan2(Δy,Δx)，机动变向能耗乘以 100 为量级归一化，确保三个能耗分量对 J1 的贡献在同一量级。

目标 2：分层累计威胁暴露代价 J2

雷达威胁暴露代价与无人机至雷达的距离和飞行高度相关，距离越近、高度越高，暴露代价越大，公式为：

[图：威胁代价公式]

其中：

• m 为雷达数量，di,r 为无人机第 i 点至第 r 部雷达的水平距离；
• Sr 为第 r 部雷达的威胁强度，Rdet,r 为雷达探测半径；
• ηi=max(0,(zi−hlow)/(hhigh−hlow)) 为高度因子，地形遮挡会削弱暴露代价。

当 di,r≥Rdet,r 时，无人机处于雷达探测范围外，贡献为 0。

2.4.2 二级混合罚函数机制

为解决约束违规与多目标优化的耦合问题，设计软约束惩罚和绝对致死惩罚的分层机制，确保轻微违规有梯度惩罚，严重违规直接淘汰。

软约束惩罚：爬升速率轻微违规

爬升速率定义为

[图：爬升速率公式]

，当爬升速率超过 tan(0.8θmax) 时，判定为轻微违规，惩罚公式为：

[图：软约束惩罚公式]

其中νz,viol 为违规的爬升速率值，乘以 1000 为强惩罚，引导算法向合规方向优化。

绝对致死惩罚：建筑物理穿越

若轨迹穿透建筑（与约束检验模块的碰撞判定条件一致），直接赋予千万级惩罚：cdeath=10^7，并立即跳出循环（撞一栋楼即判定死亡）。该惩罚机制确保任何物理穿越建筑的解都会成为帕累托排序的最劣解，被算法强制淘汰。

2.4.3 最终目标函数输出

将惩罚项叠加至原始目标函数，最终输出多目标数组 F：

[图：最终目标函数公式]

J3 仅叠加致死惩罚，因轨迹平滑性与爬升速率轻微违规无直接关联，避免过度惩罚。

2.5 NSGA-II 优化核心配置（main_UAV_Planning.m）

作为系统的入口函数，该模块完成场景加载、变量配置、NSGA-II 参数设置、算法调用、结果可视化的全流程调度，核心调用 Matlab 的 gamultiobj 函数（NSGA-II 实现），是多目标优化的总控中心。

2.5.1 关键优化参数配置

NSGA-II 的参数直接影响优化效果和效率，本文针对城市密集区的复杂场景，设置了高种群、高迭代的参数配置，确保算法能充分搜索解空间，具体参数如表 2 所示。

表 2 NSGA-II 核心配置参数

2.5.2 算法核心调用

通过 gamultiobj 函数实现 NSGA-II 的调用，核心代码如下：

[X_opt, Fval_opt, exitflag, output] = gamultiobj(... 
@(x) evaluate_Objectives(x, env), nvars, ... 
[], [], [], [], lb, ub, ... 
@(x) evaluate_Constraints(x, env), options);

其中，Xopt 为优化后的帕累托最优解集合，Fvalopt 为对应的目标函数值集合，exitflag 为算法收敛标志，output 为迭代过程信息。

三、结果可视化模块

为直观分析多目标优化的帕累托解，本文设计了多维视图 + 动态推演的高阶可视化面板，实现了轨迹性能分析、场景融合展示、动态飞行模拟的一体化，能快速筛选出能耗最优、隐蔽最优、综合最优三类核心轨迹，为战术决策提供直观支撑。

3.1 核心解的选取策略

从帕累托最优解集合中，通过极值筛选和归一化理想点策略选取三类核心解：

1. 能耗最优解：J1 最小的解，轨迹具有贴地、直线倾向，能耗最低但隐蔽性较差；
2. 隐蔽最优解：J2 最小的解，轨迹具有大迂回、高空/低空绕飞倾向，隐蔽性最好但能耗较高；
3. 综合最优解：对目标函数进行归一化后，距离理想点（各目标最小值）最近的解，公式为：

[图：综合最优解公式]

3.2 多子图可视化面板

构建 2 行 2 列的多子图面板，包含全局 3D 视图（占 2 行）、战术俯视图（右上）、高程时序剖面图（右下），三类视图从不同维度分析轨迹性能，具体功能如下：

3.2.1 全局 3D 视图

展示无人机轨迹与城市场景的 3D 融合效果，包含建筑（灰色圆柱）、雷达（半透明红色半球）、起终点（绿色/蓝色点）、三类核心轨迹（不同颜色/线型），开启高级光照与立体感，能直观观察轨迹的 3D 绕飞/越障策略。

[图：全局 3D 视图示例]

3.2.2 战术俯视图

展示水平面的避障/绕飞策略，包含建筑（深灰色实心圆）、雷达（淡红色虚线圆）、轨迹的水平面投影，能清晰分析轨迹如何绕开建筑缺口和雷达探测区。

[图：战术俯视图示例]

3.2.3 高程时序剖面图

以累计航程为 X 轴，飞行高度为 Y 轴，展示轨迹的垂直面机动策略，包含安全飞行走廊（淡蓝色填充区）、极限掠地高度（红色虚线），能直观分析轨迹的高度变化与爬升/俯冲策略。

[图：高程时序剖面图示例]

四、实验结果与分析

基于上述模块实现，在 Matlab2021b 环境下运行该方案，得到以下核心实验结果：

1. 帕累托前沿收敛性：经过 400 代迭代，NSGA-II 的帕累托前沿趋于稳定，解分布均匀，表明算法能充分搜索城市密集区的解空间；
2. 核心解性能：能耗最优解的 J1 约为常规值的 80%，但 J2 约为隐蔽最优解的 3 倍；隐蔽最优解的 J2 降至最低，但 J1 提升约 50%；综合最优解的 J1 和 J2 均处于折中水平，J3 保持较低值，轨迹平滑性良好；
3. 约束合规性：所有帕累托最优解均满足硬约束（c≤0），无建筑穿越和爬升角违规，表明罚函数机制和约束检验模块能有效引导算法向合规方向优化；
4. 轨迹平滑性：3 阶 B 样条生成的轨迹连续可微，无明显的急转/急升，满足无人机的实际飞行要求。