本书深入探讨了智能优化算法在无人机路径规划与跟踪控制中的前沿应用，重点介绍了人工蜂群算法等新兴智能优化方法在无人机自主路径规划中的卓越表现，探讨了多种群体策略、动态约束调整和自适应控制在不同算法中的创新应用和协同效果。通过对建模方法的研究及实验对比分析，以及对军事侦察、紧急救援、物流配送等多种实际应用场景的分析，体现了无人机技术在跨领域应用中的广阔前景和战略价值。 本书内容翔实、针对性强，不仅为相关学术研究提供了前瞻性理论支持，也为无人机行业的发展提供了重要的技术指引和创新思路借鉴，适合高等院校自动化、航空类等专业的师生使用，也可供相关工程领域的技术人员学习参考。

第1章 无人机技术
1.1 无人机技术特点与应用背景
1.2 无人机路径规划
1.3 无人机跟踪控制
1.4 多无人机协同技术
参考文献
第2章 优化方法
2.1 传统优化方法
2.1.1 A*算法
2.1.2 D*算法
2.1.3 快速搜索随机树算法
2.1.4 人工势场算法
2.2 智能优化方法
2.2.1 差分算法
2.2.2 蚁群算法
2.2.3 粒子群算法
2.2.4 蜂群算法
2.3 约束策略
2.3.1 罚函数
2.3.2 可行性准则
2.3.3 ε约束处理法
参考文献
第3章 基于目标攻击的单无人机路径规划方法
3.1 基于改进差分算法的无人机路径规划方法
3.1.1 问题描述与模型构建
3.1.2 基于改进差分算法的规划方法
3.1.3 结果与分析
3.2 基于集成约束的多策略融合差分无人机路径规划方法
3.2.1 问题描述与模型构建
3.2.2 基于集成约束的多策略融合差分规划方法
3.2.3 结果与分析
3.3 基于改进人工蜂群算法的无人机路径规划方法
3.3.1 问题描述与模型构建
3.3.2 基于改进人工蜂群算法的规划方法
3.3.3 结果与分析
3.4 本章小结
参考文献
附录
第4章 基于目标攻击的多无人机路径规划方法
4.1 基于蜂群与蚁群算法混合的多无人机路径规划方法
4.1.1 问题描述与模型构建
4.1.2 基于改进蜂群与蚁群算法混合的规划方法
4.1.3 结果与分析
4.2 基于改进异构综合学习粒子群算法的多无人机路径规划方法
4.2.1 问题描述与模型构建
4.2.2 基于改进异构综合学习粒子群算法的规划方法
4.2.3 结果与分析
4.3 基于异构自适应综合学习动态多种群粒子群算法多无人机路径规划方法
4.3.1 问题描述与模型构建
4.3.2 基于异构自适应综合学习动态多种群粒子群算法的规划方法
4.3.3 结果与分析
4.4 本章小结
参考文献
附录
第5章 多区域多无人机协同搜救覆盖路径规划方法
5.1 基于改进蚁群算法的多无人机覆盖路径规划
5.1.1 问题描述与模型构建
5.1.2 基于改进蚁群算法的规划方法
5.1.3 结果与分析
5.2 考虑区域优先级的多无人机协同搜救覆盖路径规划
5.2.1 问题描述与模型构建
5.2.2 基于区域优先级的多目标蚁群规划方法
5.2.3 结果与分析
5.3 本章小结
参考文献
附录
第6章 面向地面移动目标无人机跟踪控制方法
6.1 基于模型预测控制与鲸鱼算法混合的单目标多机协同跟踪
6.1.1 问题描述与模型构建
6.1.2 基于改进鲸鱼算法的单目标跟踪控制方法
6.1.3 结果与分析
6.2 基于混沌拉普拉斯策略的多目标多无人机协同跟踪控制
6.2.1 问题描述与模型构建
6.2.2 基于改进鲸鱼算法的多目标跟踪控制方法
6.2.3 结果与分析
6.3 本章小结
参考文献
附录