一种基于强化学习-灰狼优化融合的动态烟雾环境无人机双层路径规划方法

本发明涉及无人机路径规划技术领域，具体涉及一种基于强化学习‑灰狼优化融合的动态烟雾环境无人机双层路径规划方法，构建烟雾场模型及无人机动力学模型。上层采用融合Q学习与灰狼优化的混合策略，以多目标适应度函数为优化目标生成全局参考轨迹，其中每个灰狼个体配置独立Q学习智能体，根据适应度排名、烟雾暴露等级及迭代阶段自适应选择搜索动作。飞行中实时检测动态烟雾威胁，触发局部规划时启动谱引导树搜索规划器选出最优局部可行轨迹。同时监测全局路径偏差、航点偏离距离及烟雾穿透风险，任一项超阈值且未处于局部避障时触发全局重规划。本发明兼顾动态烟雾环境下的长程最优性与局部实时避障能力。