一种基于混合WOA-CEM-DRL算法的无人机航迹规划方法

本发明公开了一种基于混合WOA‑CEM‑DRL算法的无人机航迹规划方法，该方法基于混合鲸鱼优化算法（Whale Optimization Algorithm,WOA）、交叉熵方法（Cross‑Entropy Method,CEM）与深度强化学习（Deep Reinforcement Learning,DRL），旨在解决现有算法在复杂三维环境中面临的收敛速度慢、易陷入局部最优解的难题。本发明提出了一种三阶段动态协同进化框架：在进化前期，通过CEM的全局扰动增强种群多样性；在进化中期，平衡探索与开发；在进化后期，利用DRL的梯度信息对精英解进行精细调优。该方法融合了WOA的全局搜索、CEM的高效采样和DRL的快速收敛能力，主要用于在复杂三维环境中为无人机精确生成安全、平滑的最优航迹。