✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、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。👇 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。

探讨了**无人机（UAV）与无人地面车辆（UGV）协同包裹取货的最优负载均衡问题**。通过考虑各类实际因素（包括两类车辆的运动特性及无人机的禁飞区规避要求），我们旨在优化两车的三维轨迹与取货策略，以找到能最小化取货完成时间的最短路径。为解决该非凸优化问题，我们采用**逐次凸近似法**将原始问题转化为关于优化变量的凸形式；同时，运用**惩罚凸凹过程**保留设计取货策略所需控制参数的二值特性。我们还提

一、研究背景与意义：密集城市场景下的无人机路径规划挑战在城市化进程加速推进的当下，密集型复杂城市场景已成为无人机应用的重要领域，涵盖物流配送、应急救援、城市巡检等多元场景。然而，该场景下无人机三维路径规划面临着多重严峻挑战：一方面，城市中高楼林立、桥梁交错、电线密布，形成了大量不规则障碍物，且部分障碍物（如移动车辆、临时施工区域）具有动态性，导致无人机可飞行空间被严重压缩，路径搜索难度呈指数级上升

一、研究背景与意义在应急救灾、电力巡检、物流配送、环境监测等场景中，多无人机协同作业凭借 “覆盖范围广、响应速度快、适应性强” 的优势，逐渐替代单一无人机成为主流作业模式。而无人机任务调度与路径规划作为多无人机协同系统的核心技术，需解决两大核心问题：一是 “任务分配”（将多个任务点合理分配给不同无人机，确保任务完成效率）；二是 “路径规划”（为每架无人机规划从起始点到任务点再到终点的最优路径，满足

无人机蜂群协同攻击作为一种新型作战模式，通过多机协同实现对目标的饱和打击或多角度突防，在现代战争中具有重要战略价值。与传统单目标攻击相比，蜂群协同攻击需满足时间协同（多机同时抵达攻击位置）、角度约束（攻击方向符合战术要求，如避开敌方防御盲区）和路径安全（规避敌方火力网与障碍物）三大核心需求。人工势场算法（Artificial Potential Field, APF）通过模拟引力与斥力的动态平衡实

在多机器人系统中，任务分配是实现群体协同的核心环节，其目标是将一系列任务合理分配给各个机器人，使系统整体性能最优（如总任务完成时间最短、能耗最低等）。市场方法（Market-based Approach）作为一种分布式决策机制，通过模拟经济市场中的 “拍卖 - 投标” 过程实现任务分配，具有灵活性高、鲁棒性强、易于扩展等特点，特别适用于动态环境下的多机器人协同场景。本文将系统介绍基于市场方法的多机

本论文聚焦电力系统分布式经济调度问题，提出基于多智能体系统一致性算法的调度策略。通过分析多智能体系统和一致性算法原理，构建适用于电力系统的分布式经济调度模型，详细阐述基于一致性算法的分布式经济调度策略实现过程。经仿真案例验证，该策略能在各智能体仅依赖局部信息的情况下，快速实现电力系统的经济调度，有效降低发电成本，提高系统运行的经济性和可靠性，为电力系统智能化运行提供了新的技术路径。关键词多智能体系

本研究聚焦于一辆卡车与两架无人机协同配送小包裹至随机分布客户的路径优化问题。通过构建以总配送距离最短为目标的数学模型，引入遗传算法对该问题进行求解。详细设计了遗传算法的编码、选择、交叉、变异等操作步骤，并通过仿真实验验证算法有效性。结果表明，遗传算法能够有效求解卡车与无人机协同配送路径优化问题，显著降低总配送距离，为物流配送领域提供了新的优化思路与方法。​一、引言​1.1 研究背景​在电子商务蓬勃

随着物联网（IoT）设备的爆炸式增长，数据处理和计算需求急剧增加。传统的云计算模式在处理大规模实时数据时，面临着高延迟、带宽限制等问题。边缘计算作为一种将计算资源推向网络边缘的新兴技术，能够在靠近数据源的位置进行数据处理，有效降低数据传输延迟，提高系统响应速度。与此同时，无人机凭借其灵活性、机动性和可部署性，成为了扩展边缘计算覆盖范围的理想载体。多无人机辅助的边缘计算网络可以在复杂环境中，如偏远地

一、引言在工程优化领域，粒子群算法（PSO）凭借其高效性和易实现性，成为解决复杂优化问题的重要工具。然而，传统 PSO 及其众多变体大多采用固定的参数和算子，这极大地限制了粒子的自主学习能力和智能水平。当面对复杂适应度函数的优化问题时，这些算法往往难以在解空间中进行高效搜索，容易陷入局部最优解，导致性能受限。为突破这一困境，本文提出了一种融合强化学习与邻域差分变异策略的粒子群算法（NRLPSO），