智能算法改进

小O的算法实验室

2022年IEEE TITS SCI2区TOP，基于切线交点和目标引导策略的无人机自主路径规划，深度解析+性能实测无人机路径规划使无人机能够避开障碍物并高效到达目标，为了生成无障碍碰撞的高质量路径，本文提出了一种基于切线交点和目标引导策略的自主路径规划算法（APPATT）。在目标引导下，采用椭圆切线图方法生成两条子路径，当遇到障碍物时，基于启发式规则选择其中一条子路径。无人机沿选定的子路径飞行，并通过这种方式反复调整飞行路径，以避开障碍物，直到无碰撞路径延伸到目标。考虑到无人机的运动约束，采用三次B样条曲线平滑航点，以获得可行路径。

小O的算法实验室

2025年TRE SCI1区TOP，随机环境下无人机应急医疗接送与配送的先进混合方法，深度解析+性能实测论文提出了一种优化紧急医疗运输的混合方法，结合无人机（UAV）进行接送与配送。模型考虑了随机需求和飞行环境的不确定性，解决了库存短缺、突发需求和地理障碍等问题。首先，构建了一个基于混合整数线性规划的医疗接送模型（HPDUP），然后扩展为考虑随机环境的HPDU-SEP模型。为优化无人机轨迹，提出了结合Q-learning的自适应大邻域搜索（ALNS-QLTP）方法，通过地理信息和反馈参数提升优化效率。实验表明，ALNS-QLTP在大规模不确定环境中能显著提高轨迹优化效果，保证了较高的患者覆盖率。

小O的算法实验室

2023年IEEE TCYB SCI1区TOP，基于改进多目标群体智能算法的灾难应急响应精确无人机三维路径规划方法，深度解析+性能实测无人机三维飞行路径规划是灾难应急响应中的关键挑，。理想路径应平衡飞行路径长度与地形威胁，以缩短飞行时间并减少碰撞风险。传统方法难以平衡这些因素，且缺乏实际约束，导致优化效果不佳。本文提出了一种基于改进多目标群体智能算法（APPMS）的精确路径规划方法，通过将路径规划转化为多目标优化问题，同时优化飞行路径长度和地形威胁度。采用改进的蚁群优化算法提升了全局与局部搜索能力。通过模拟实验和实际应急数据验证了该方法的有效性。

小O的算法实验室

2025年SEVC SCI2区，一种结合配送机器人和无人机补给的移动包裹柜配送系统的启发式方法，深度解析+性能实测受城市物流自主技术快速发展的推动，论文提出了一种新型自主资源车辆路径问题变体，该问题涉及移动包裹柜（MPL）、配送机器人和无人机。论文将该问题定义为带配送机器人和无人机补给的移动包裹柜问题（MPLPDR-DR），为解决此问题，论文构建了混合整数线性规划（MILP）模型，并设计一种数学启发式方法。该方法集成了一种混合元启发式算法来优化移动包裹柜和配送机器人的路径规划，同时利用MILP模型确定最优的无人机补给决策，该混合元启发式算法以人工蜂群框架为基础，融合了大邻域搜索过程、变邻域下降过程以及变异机制。

小O的算法实验室

2024年ESWA SCI1区TOP，大规模移动用户移动边缘计算中多无人机部署与任务调度的联合优化方法，深度解析+性能实测在多无人机辅助移动边缘计算（MEC）领域，无人机部署与任务调度的联合优化已成为在保障移动用户服务质量的同时降低系统能耗的有效手段。然而，该方案实施过程中面临无人机部署与任务调度复杂耦合关系的严峻挑战，为此，本文提出了遗传模拟退火与知识共享双阶段混合策略算法（DSHSGSK），其采用HS-GSK交替优化策略，并引入淘汰算子，以实现无人机部署与任务调度的同步优化。为提升无人机部署效率并构建更有效的任务调度策略，论文创新性地设计了无人机位置编码方案。为融合和声搜索算法的局部搜索能力与基于知识获取共享算法的全局搜

小O的算法实验室

2022年ASOC SCI2区TOP，基于竞争与合作策略的金字塔粒子群算法PPSO，深度解析+性能实测，深度解析+性能实测粒子群算法（PSO）已在各类优化问题中展现出显著优势，其核心要素——拓扑结构与更新策略——对算法性能具有决定性影响。本文提出了金字塔粒子群算法（PPSO），通过引入竞争与合作机制来更新粒子信息，该算法构建金字塔分层结构，依据粒子适应度将其分配至特定层级。同一层级内的粒子进行两两竞争，区分优胜者与失败者：失败者与对应优胜者合作，而优胜者则与上层及顶层粒子协同进化。PPSO赋予每个粒子独特的学习能力，使其能够参考多个范例而非仅学习全局最优解，有效增强了种群多样性并提升了算法性能。

小O的算法实验室

2026年COR SCI2区，自适应K-means和强化学习RL算法+有效疫苗分配问题，深度解析+性能实测，深度解析+性能实测本文提出了一种自适应强化学习（RL）方法，结合了K-means聚类算法，并通过模拟退火进行优化，旨在解决疫苗分配中的容量车辆路径问题（CVRVD）。该方法为疫苗分配物流提供了一种高效、可扩展的解决方案。通过考虑旅行距离、库存水平和罚款等成本因素，并遵守交付时间窗口，论文方法在提升操作效率的同时，也优化了疫苗的分配效果。

小O的算法实验室

2025年SEVE SCI2区，具有局部和全局参数自适应差分进化算法，深度解析+性能实测差分进化算法（DE）是一种高效的数值优化元启发式算法，但存在参数设置敏感性和过早收敛等问题。本文提出了一种局部和全局参数自适应机制（LGP）机制和双重历史记忆策略，根据父子向量对的欧几里得距离动态分类控制参数，将其划分为局部或全局历史记录，并在每代更新相应的历史记忆。其次，引入了一种参数自适应策略，通过从适当的历史记忆中选择元素来生成新的控制参数，以平衡开发与探索。

小O的算法实验室

2025年SEVC SCI2区，河流水质监测中卡车与无人机协同的双目标路径规划问题，深度解析+性能实测城市河流生态系统的保护是可持续水资源管理的关键环节，传统水质采样方法依赖船只，存在效率低、成本高及潜在污染等问题。本文提出一种创新解决方案：通过卡车与无人机协同作业，无人机负责采集水样本，卡车作为移动补给站以扩展其航程。研究建立了混合整数二次规划模型，综合考虑无人机载重变化对能耗的影响，并开发了一种改进NSGA-II，引入迭代前沿优化策略与三种专用遗传算子，以提升路径协同规划的多样性与种群质量。

小O的算法实验室

2023年IEEE TASE SCI2区，基于Dubins路径的多异构无人机动态灾情检测与验证集成分配，深度解析+性能实测本文针对异构无人机在动态侦察与确认任务中的任务分配问题，提出了一种融合路径规划与任务分配的优化方法。研究指出，任务分配效果高度依赖于路径规划，但相关研究较为匮乏。为此，本文在基于一致性捆绑算法上进行了改进，引入了有效的多任务、多智能体约束处理机制。该方法利用Dubins路径优化耦合路径，降低预估路径与实际路径的偏差，并通过分布式遗传算法缩短执行时间。

小O的算法实验室

2025年COR SCI2区，基于近似细胞分解的能源高效无人机路径规划问题用于地质灾害监测，深度解析+性能实测本文提出了一种能源高效的无人机路径规划方法（EURP）用于监测分散的地质灾害易发区域，通过建立无人机飞行模式的能耗模型，并采用近似细胞分解技术将区域离散为方格网，以提高图像获取精度。为解决EURP问题，本文设计了一个混合元启发式算法（EGHM），结合大邻域搜索（LNS）和可变邻域下降（VND）进行优化。

小O的算法实验室

2024年ASOC SCI2区TOP，有效离散人工蜂群算法+变压器制造矩形切割问题，深度解析+性能实测本文解决了变压器行业中带有断刀约束的二维矩形切割问题，该问题要求从较大且大小不一的矩形中切割出一组矩形物品，其目标是最小化切割所需物品所使用的料箱数量。为了解决这个问题，本文提出了一种有效离散人工蜂群算法，其采用十进制编码方式，其中每个整数代表一种料箱或物品类型，并通过构造性启发式解码整数列表，以生成符合断刀切割约束的切割模式。此外，还设计了一种复制策略来提高解的质量。

小O的算法实验室

2025年COR IOTJ SCI2区，灾后通信无人机基站位置优化和移动充电无人机路径规划，深度解析+性能实测本文针对灾害发生后传统通信系统失效的问题，提出了一种基于无人机创新通信解决方案。通过将无人机作为数据采集与传输平台，收集并回传受灾人群的消息与位置信息，建立稳定的应急通信网络。研究构建了一个优化模型，用于确定无人机基站的三维部署位置，以最大化覆盖率和服务质量，同时引入移动供电无人机为基站和数据传输提供能源，并对其路径进行优化。为提高求解效率，设计了基于聚类的混合启发式算法，并在土耳其苏丹贝利省开展案例研究。

小O的算法实验室

2023年IEEE IOTJ SCI1区TOP，动态环境下无人机目标覆盖任务路径规划，深度解析+性能实测无人机（UAV）作为物联网应用的重要工具，正广泛应用于智能农业监测、智能交通监测等领域，并逐渐成为国内外研究热点。然而，现有飞行路径规划算法在可行性与有效性方面仍存在不足。本文针对动态环境下无人机目标覆盖任务路径规划问题，提出了一种基于贪心分配与改进蚁群优化算法（ACO-VP），该算法首先通过贪心策略确定最优无人机数量并合理分配目标点；随后在蚁群算法中引入可变信息素增强因子和挥发系数，优化信息素更新机制以提升规划效率；并在目标点动态增加时实现路径的实时重规划。仿真结果表明，该方法在覆盖效率与路径优化效果方

小O的算法实验室

2025年KBS SCI1区TOP，矩阵差分进化算法+移动网络视觉覆盖无人机轨迹优化，深度解析+性能实测本文提出了一种面向无人机（UAV）新型轨迹优化方法，以实现对地面移动节点的高效视觉覆盖。与传统方法不同，该方法显式考虑节点的移动性，生成连续且平滑的三维飞行轨迹，更符合实际应用需求。研究目标是通过优化无人机轨迹设计，最大化任务执行过程中被覆盖的节点总数。为降低无限解空间带来的计算复杂度，本文首先利用 Bézier 曲线将连续的轨迹优化问题转化为离散的控制点选择问题，在保证轨迹平滑性的同时大幅简化计算。随后，基于矩阵差分进化算法（MDE）框架，提出了一种无人机轨迹优化算法，有效兼顾覆盖性能与计算效率。

小O的算法实验室

2024年Engineering SCI2区，面向工程管理的无人机巡检路径与调度，深度解析+性能实测无人机（UAV）技术的进步已革新多个行业，特别是在工程管理中，基于无人机的检查方法成为识别高风险建筑环境隐患的高效手段，远超传统技术。本文聚焦于无人机检查路径和调度优化，解决了禁飞区、监测时间窗口及多轮监测等带来的复杂问题。因此，本文提出了一个混合整数线性规划（MILP）模型，旨在优化检查任务分配、监测顺序调度及充电决策，该模型与传统车辆路径问题（VRP）不同，在大规模实例下，对于商业求解器具有较高的数学复杂性。为解决这一问题，本文设计了定制化变量邻域搜索算法（VNS），并通过广泛的数值实验验证了该算法的

小O的算法实验室

2024年ESWA SCI1区TOP，自适应种群分配和变异选择差分进化算法iDE-APAMS，深度解析+性能实测为了提高差分进化算法（DE）在不同优化问题上的性能，本文提出了一种自适应种群分配和变异选择差分进化算法（iDE-APAMS）。iDE-APAMS将变异策略分为探索策略池和开发策略池，不同的变异策略通过合作与竞争动态分配种群资源。策略池之间通过合作竞争种群资源，再由每个策略池内的变异策略相互竞争，从而优化资源分配，变异规模因子和交叉率根据种群多样性和适应度的变化自适应调整。

小O的算法实验室

2025年ESWA SCI1区TOP，强化学习多目标灰狼算法MOGWO-RL+分布式混合流水车间调度，深度解析+性能实测本文针对大规模个性化制造（MPM）中的调度问题，提出了一种新的解决方案。MPM能够在确保大规模生产的前提下，实现个性化定制，但由于制造任务类型和数量的快速变化，调度难度大大增加。为此，本文提出了分布式混合流车间调度问题（DHFSP-OMTA），通过将异质客户订单分解为标准和个性化生产任务，并将其分配到不同工厂来应对这一挑战。为了解决MPM中的调度问题，本文构建了一个混合整数线性规划模型，旨在同时最小化完工时间和总能耗。在此基础上，针对DHFSP-OMTA的高复杂性，设计了一种基于强化学习多目标灰狼算法（M

小O的算法实验室

2025年COR SCI2区，基于多种配送模式的无人机自主配送车辆路径问题，深度解析+性能实测自动配送车辆（ADV）和无人机因其高效、环保和便捷性在最后一公里配送中受到了广泛关注。此外，ADV与无人机之间的协同配送十分复杂，而现有的大多数研究主要集中在卡车与无人机之间单一配送模式下的协同配送。因此，本文提出了一种针对由ADV和异质无人机组成、基于多种配送模式的无人配送系统的新的车辆路径问题。针对该问题构建了一个以最小化成本为目标的混合整数规划（MIP）模型，称为基于多种配送模式的无人机自主配送车辆路径问题（ADVRPD-MDM）。为求解该模型，本文设计了一种结合了12种特定邻域结构、随机变量邻域下

小O的算法实验室

2024年ASOC SCI2区TOP，基于干扰模型的灰狼优化算法IIE-GWO+复杂丘陵地形农业无人机轨迹规划，深度解析+性能实测为解决农业无人机在复杂丘陵地形中轨迹规划的局限性，本文提出了一种结合丘陵地形特征和农业调度需求的轨迹规划模型。为了实现高效且稳定的飞行操作，提出了一种基于干涉图像增强模型的灰狼优化算法（IIE-GWO），该算法通过提高种群多样性，平衡探索与开发能力，从而优化飞行路径。