基于虚拟仿真的无人飞行器运行轨迹智能进化学习方法

本发明公开了一种基于虚拟仿真的无人飞行器运行轨迹智能进化学习方法，包括：从飞行器的轨迹库中读取历史轨迹，并按照既定的评价标准进行排序；设定阈值区分高质量样本和低质量样本，将高质量样本和按设定的规则抽取的部分低质量样本加入样本集合，并按比例将样本集合划分为训练集和测试集；定义考虑综合成本的损失函数，并通过系统仿真确定综合评价指标；训练进化学习模型并在仿真环境中控制飞行器，输出新的飞行器轨迹样本。若满足系统仿真评价指标要求，则结束流程，否则将仿真产生的新轨迹与之前的轨迹组合，形成新的轨迹库，返回重新迭代优化。该方法能够有效提升飞行器轨迹优化的效率与精度，同时降低训练成本。