提出一种基于人工蜂群算法的非确定性双向规划机制搜索算法，用于解决无人机在复杂环境中的路径规划问题。通过改进食物源产生方式并结合双向搜索策略，优化节点生成逻辑。研究涵盖单无人机及多无人机协同场景（同时到达、顺序到达），引入准均匀 B 样条平滑技术提升路径质量。实验表明，该算法在路径长度、收敛速度及任务适应性上优于传统方法，工程实现性强。
本文针对无人机（UAV）在复杂环境中的路径规划问题，提出一种基于人工蜂群算法（ABC）的非确定性双向规划机制搜索算法。通过改进传统 ABC 算法中食物源（路径节点）的产生方式，结合双向搜索策略优化节点生成逻辑，提升路径规划的效率与质量。研究覆盖单无人机（2D/3D）和多无人机协同（2D/3D）场景，提出两种协同模型：不同起点同时到达终点、按指定顺序和时间间隔依次到达终点。实验仿真表明，改进后的算法在路径平滑性、收敛速度和任务适应性上显著优于传统方法，且通过准均匀 B 样条路径平滑技术进一步优化路径质量，工程实现性强。
关键词 人工蜂群算法；非确定性双向搜索；无人机路径规划；协同任务；B 样条平滑
无人机路径规划是自主导航的核心问题，需在动态环境中快速生成安全、高效的路径。传统方法（如 A*、RRT）在复杂场景中易陷入局部最优或计算效率低。人工蜂群算法（ABC）通过模拟蜜蜂觅食行为实现全局搜索，但存在节点生成随机性强、收敛慢等问题。本文提出非确定性双向规划机制，结合双向搜索与动态节点调整策略，优化 ABC 算法的路径生成过程，并扩展至多无人机协同场景。
传统 ABC 算法中，食物源（路径节点）通过随机搜索生成，易导致路径冗余或陷入障碍物。单向搜索模式在复杂环境中效率较低，且缺乏对全局路径连续性的约束。
本文提出的非确定性双向规划机制有效提升了 ABC 算法在无人机路径规划中的性能，尤其在复杂环境和多机协同场景中表现突出。实验结果表明，改进算法简单快速，易于工程实现，且通过路径平滑技术进一步增强了实用性。未来工作将探索动态环境下的实时重规划机制，以及多机协同中的能量优化问题。
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。(文章内容仅供参考，具体效果以运行结果为准)
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
