Song等多视角SAR-UAV覆盖路径规划：能量约束与PSO类模型

文献与适用边界

对应文献：Song, D.; Zhang, X.; Yu, Z.; Qin, K. Coverage Path Planning for Multi-View SAR-UAV Observation System Under Energy Constraint. arXiv, 2025.

该文研究多视角SAR-UAV覆盖路径规划，重点是目标视点、路径和能量约束。它不是光学/SAR双载荷模型，但对无人机SAR侧的路径-能量-覆盖建模很有价值。

算法思路

多视角SAR观测要求同一目标或区域从多个视角获取数据。调度器需要选择视点并设计无人机访问路径，在能量约束下最大化覆盖质量。算法可采用聚类、任务分配和粒子群优化等方法。

变量定义

候选视点集合为 $V={1,\dots,n}$，无人机路径为一个排列 $\pi$。视点 $v$ 的覆盖收益为 $c_v$，访问能耗为 $e_v$，路径边能耗为 $e_{uv}$。

选择变量：

$$x_v=1$$

表示选择视点 $v$。路径边变量：

$$y_{uv}=1$$

表示从视点 $u$ 飞到视点 $v$。

目标函数推导

覆盖收益：

$$F_c=\sum_v c_vx_v$$

路径能耗：

$$E=\sum_{u,v}e_{uv}y_{uv}+\sum_ve_vx_v$$

目标：

$$\max F=F_c-\lambda E$$

或在硬能量约束下：

$$\max F_c$$ $$E\le E^{max}$$

路径约束

视点访问流守恒：

$$\sum_u y_{uv}=x_v,\quad \sum_u y_{vu}=x_v$$

基地出发和返回：

$$\sum_v y_{0v}=1,\quad \sum_v y_{v0}=1$$

子回路消除可用MTZ约束：

$$u_i-u_j+n y_{ij}\le n-1$$

PSO类求解思路

粒子群优化中，一个粒子表示一条候选路径或视点选择序列。适应度函数为：

$$fitness(\pi)=F_c(\pi)-\lambda \max(0,E(\pi)-E^{max})$$

算法步骤：

1. 初始化多个路径粒子。
2. 计算每条路径的覆盖收益和能耗。
3. 更新个体最优和全局最优。
4. 通过速度/位置更新或排列修复生成新路径。
5. 对不可行路径进行能量约束修复。

同平台光学/SAR扩展

增加光学拍摄点 $O$ 后，适应度可改为：

$$fitness=F_{SAR}+F_{OPT}+F_{confirm}-\lambda E-\mu T$$

其中：

$$F_{confirm}=\sum_i p_i z_i$$ $$z_i\le x_{v(i)},\quad z_i\le y_{o(i)}$$

表示目标 $i$ 只有同时获得SAR视点和光学确认点时才产生确认收益。

论文截图（算法流程、步骤与效果）

截图来自对应论文 PDF 页面，并已通过 PicGo 上传。用于快速定位原文中的算法流程、关键步骤或实验效果；若截图为相关替代文献，已在说明中标注。

截图 1：模型页：多视角SAR-UAV覆盖路径规划目标与约束

来源：R70_Coverage Path Planning for Multi-View SAR-UAV Observation System Under Energy Constraint.pdf，PDF 第 3 页。

截图 2：实验/效果页：DPC-PSO等路径规划效果图

来源：R70_Coverage Path Planning for Multi-View SAR-UAV Observation System Under Energy Constraint.pdf，PDF 第 4 页。