计算机应用研究

作者：黄子健,王秀红,袁雪峰,

单位：郑州航空工业管理学院管理工程学院,郑州450015；

关键词：深度学习,动态蚁群算法,船载多无人机,路径规划,

基金：国家自然科学基金资助项目(72304253)；河南省科技攻关项目(222102210329)；河南省教育厅人文社科一般项目(2024-ZZJH-040)；；

为提升船载多无人机在港口动态环境下执行污染物监测任务的路径优化能力与调度效率，提出了一种基于深度学习-动态蚁群融合算法的路径规划方法。该方法首先针对装载船、待监测船舶及无人机在动态环境中协同移动的复杂性，构建了考虑动态移动基站和监测时间窗约束的路径优化整数规划模型；在算法层面，通过深度学习自适应设计信息素重要程度因子和启发函数重要程度因子的参数组合，引入动态距离矩阵替代静态距离矩阵，并采用非线性调整策略优化信息素挥发机制。实验结果表明，与传统固定基站策略相比，该方法可将监测任务总时间缩短17.77%；与已有算法相比，任务时间分别减少3.87%和4.77%。研究结果表明，所构建的模型及融合算法能够有效提升无人机污染物监测效率，增强船载多无人机的协同路径规划能力。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期