Research on UAV Path Planning Based on an Improved A*-DWA Hierarchical Fusion Algorithm

doi:10.3969/j.issn.1009-086x.2026.01.002

Abstract

Abstract:

To address the issues of low search efficiency， poor path smoothness， and limited local obstacle avoidance in traditional A* algorithms within complex 3D environments， this paper proposed a hierarchical fusion algorithm combining A* and DWA. The algorithm first extended the A* algorithm into 3D space using a 26-neighbor node search strategy. It introduced a dynamic adjustment term into the cost evaluation function to achieve adaptive weighting， and employed the Douglas-Peucker algorithm combined with cubic B-spline curves to smooth paths. Second， it integrated a 3D-extended DWA algorithm to compensate for A*'s local obstacle avoidance limitations. A 3D dynamic window model was constructed via kinematic decoupling， and a cosine similarity measure was introduced to enhance the evaluation function， thereby improving real-time obstacle avoidance performance. Finally， a dynamic feedback mechanism was designed to enable adaptive correction of the global path， forming a closed-loop optimization system： “A* global planning -DWA local obstacle avoidance-Dynamic feedback.” Simulation results demonstrated that in both static and dynamic 3D environments， the A*-DWA hierarchical fusion algorithm significantly outperformed other comparison algorithms in path length， planning time， and path smoothness. Obstacle avoidance success rates exceeded 90% across multiple scenarios， validating the effectiveness of the A*-DWA hierarchical fusion algorithm.

Key words: A* algorithm, unmanned aerial vehicle（UAV）, path planning, dynamic window approach（DWA） algorithm, B-spline curve, hierarchical fusion

摘要：

针对传统A*算法在三维复杂环境中搜索效率低、路径平滑度差以及局部避障能力有限的问题，提出一种A*-DWA分层融合算法。该算法基于26邻域节点搜索策略对A*算法进行三维空间拓展，在代价评估函数中引入动态调节项实现权重自适应调整，并结合Douglas-Peucker算法和三次B样条曲线实现路径平滑；融合三维扩展的DWA算法以弥补A*算法局部避障能力的不足，通过运动学解耦构建三维动态窗口模型，并引入余弦相似度改进评价函数，增强实时避障性能；设计动态反馈机制实现全局路径的自适应修正，形成“A*全局规划-DWA局部避障-动态反馈”的闭环优化体系。仿真结果表明，在三维静/动态环境中，A*-DWA分层融合算法的路径长度、规划时间、路径平滑度均显著优于其他对比算法，多场景下避障成功率达90%以上，验证了A*-DWA分层融合算法的有效性。

关键词: A*算法, 无人机, 路径规划, DWA算法, B样条曲线, 分层融合

CLC Number:

V279

Xucheng CHANG, Xinhui ZHANG, Shuailong DANG, Feng ZHU, Jingyu WANG, Gaohan XU. Research on UAV Path Planning Based on an Improved A*-DWA Hierarchical Fusion Algorithm[J]. Modern Defense Technology, 2026, 54(1): 14-29.

常绪成, 张心慧, 党帅龙, 朱锋, 王敬宇, 徐高涵. 面向无人机路径规划的A^*-DWA分层融合算法[J]. 现代防御技术, 2026, 54(1): 14-29.

Figures/Tables 24

Fig. 1 Kinematic model of unmanned aerial vehicles

Fig.2 Traditional A* algorithm diagram

Fig. 3 Diagram for the improved A* algorithm

Fig.4 Schematic diagram of 26 adjacent nodes

Fig.5 Layered convergence architecture diagram

Fig. 6 Drone Oxy Plane Movement Trajectory Diagram

Fig. 7 Composite diagram of a drone’s three-dimensional spatial motion trajectory

Fig. 8 3D dynamic window diagram

Fig.9 Drone azimuth evaluation item analysis diagram

Fig. 10 Improved evaluation function

Fig. 11 Schematic diagram of the fusion algorithm for UAV 3D path planning

Table 1 Simulation parameter data sheet

参数	值
单位时间/s	1
最大线速度/（m·s^-1）	30
最大绕θ轴角速度/（rad·s^-1）	60 π/180
最大绕ϕ轴角速度/（rad·s^-1）	60 π/180
线速度加速度/（m·s^-2）	50
绕θ轴角加速度/（rad/s^-2）	60 π/180
绕ϕ轴角加速度/（rad·s^-2）	60 π/180
距离阈值􀆠/m	2
最大威胁距离 $d t t m p$ /m	8
安全距离 $d t s a f e$ /m	4
偏移阈值 $δ$ /m	10
调整系数 $λ$	0.5

Table 1 Simulation parameter data sheet

参数	值
单位时间/s	1
最大线速度/（m·s^-1）	30
最大绕θ轴角速度/（rad·s^-1）	60 π/180
最大绕ϕ轴角速度/（rad·s^-1）	60 π/180
线速度加速度/（m·s^-2）	50
绕θ轴角加速度/（rad/s^-2）	60 π/180
绕ϕ轴角加速度/（rad·s^-2）	60 π/180
距离阈值􀆠/m	2
最大威胁距离 $d t t m p$ /m	8
安全距离 $d t s a f e$ /m	4
偏移阈值 $δ$ /m	10
调整系数 $λ$	0.5

Fig. 12 Comparison diagram of fixed static obstacle path simulation experiments

Table 2 Experimental data statistics table

算法类型	路径长度/m	规划时间/s	路径光滑度	避障成功率/%
A*-DWA	202.06±0.52	23.63±0.34	0.99	100
DWA	204.23±0.43	23.76±0.63	0.99	95
RRT	209.78±3.40	28.08±0.56	0.98±0.01	85
RRT-DWA	208.76±2.20	27.68±0.58	0.98±0.01	95
APF-DWA	210.82±0.58	26.13±0.47	0.98±0.02	90
TD3	204.58±1.32	27.34±1.16	0.99±0.01	95

Fig. 13 Indicator Comparison Statistics

Table 3 Summary table of statistical tests

与A*-DWA 对比算法	路径长度				规划时间
与A*-DWA 对比算法	t值	p值	d值	性能提升	t值	p值	d值	性能提升/%
DWA	-14.996	1.295 1×10^-11	4.491	+1.06	-0.684	5.024 0×10^-1	0.199	+0.52
RRT	-9.729	4.018 7×10^-08	3.186	+3.68	-71.112	1.925 7×10^-21	9.422	+15.82
RRT-DWA	-13.042	1.305 8×10^-10	4.172	+3.21	-66.307	5.787 6×10^-23	8.578	+14.63
APF-DWA	-58.727	4.484 8×10^-21	15.963	+4.16	-32.292	1.066 5×10^-16	6.152	+9.56
TD3	-8.143	2.867 3×10^-7	2.454	+1.23	-12.849	3.511 7×10^-10	4.356	+13.55

Fig. 14 Comparison diagram of random static obstacle path simulation experiments

Table 4 Experimental data statistics table

算法类型	路径长度/m	完成时间/s	路径光滑度	避障成功率/%
A*-DWA	215.55±3.44	28.40±2.43	0.94±0.02	95
DWA	218.84±5.78	42.46±5.29	0.92±0.03	75
RRT	227.17±8.92	37.36±5.22	0.87±0.04	85
RRT-DWA	223.65±7.83	40.65±5.82	0.91±0.04	90
APF-DWA	220.69±3.93	41.43±3.74	0.82±0.07	85
TD3	232.74±8.64	39.56±4.94	0.84±0.03	80

Fig. 15 Indicator comparison statistics

Table 5 Summary table of statistical tests

与A*-DWA 对比算法	路径长度				规划时间
与A*-DWA 对比算法	t值	p值	d值	性能提升	t值	p值	d值	性能提升/%
DWA	-1.469	1.655 2×10^-1	0.689	+1.51	-9.392	3.704 6×10^-7	3.683	+33.10
RRT	-4.421	4.957 9×10^-4	1.715	+5.11	-8.241	3.764 2×10^-7	2.360	+23.98
RRT-DWA	-4.265	5.233 4×10^-4	1.295	+3.62	-8.374	3.048 2e×10^-7	2.685	+30.13
APF-DWA	-5.410	5.784 7×10^-5	1.396	+2.33	-15.133	1.714 3×10^-10	4.347	+31.45
TD3	-6.668	1.065 3×10^-5	2.550	+7.39	-6.875	7.624 ×10^-6	2.811	+28.19

Fig. 16 Dynamic obstacle path simulation comparison diagram

Table 6 Experimental data statistics table

算法类型	路径长度/m	规划时间/s	路径光滑度	避障成功率/%
A*-DWA	219.01±6.21	28.50±2.26	0.94±0.03	90
DWA	250.83±28.31	42.55±5.48	0.89±0.08	65
RRT	230.27±11.17	37.35±5.52	0.85±0.03	70
RRT-DWA	221.03±5.56	39.41±4.73	0.89±0.06	80
APF-DWA	220.46±4.49	42.72±3.54	0.82±0.06	75
TD3	233.11±8.22	39.79±5.45	0.82±0.04	70

Fig.17 Indicator comparison statistics

Table 7 Summary Table of Statistical Tests

与A*-DWA 对比算法	路径长度				规划时间
与A*-DWA 对比算法	t值	p值	d值	性能提升/%	t值	p值	d值	性能提升/%
DWA	-3.745	3.235 5×10^-3	1.575	+12.69	-10.279	5.610 3×10^-7	3.671	+33.01
RRT	-3.352	6.450 4×10^-3	1.282	+4.89	-6.278	4.077 7×10^-5	2.178	+23.70
RRT-DWA	-1.068	3.025 0×10^-1	0.402	+0.91	-8.448	7.218 0×10^-7	2.809	+27.68
APF-DWA	-1.547	1.459 6×10^-1	0.425	+0.66	-14.159	7.506 6×10^-9	5.133	+33.29
TD3	-3.923	2.379 5×10^-3	1.628	+6.05	-5.878	1.064 6×10^-4	2.669	+28.38

References 29

[1]	MOHSAN S A H， OTHMAN N Q H， LI Yanlong， et al. Unmanned Aerial Vehicles （UAVs）： Practical Aspects， Applications， Open Challenges， Security Issues， and Future Trends［J］. Intelligent Service Robotics， 2023， 16（1）： 109-137.
[2]	MOHSAN S A H， KHAN M A， NOOR F， et al. Towards the Unmanned Aerial Vehicles （UAVs）： A Comprehensive Review［J］. Drones， 2022， 6（6）： 147.
[3]	SHAKHATREH H， SAWALMEH A H， AL-FUQAHA A， et al. Unmanned Aerial Vehicles （UAVs）： A Survey on Civil Applications and Key Research Challenges［J］. IEEE Access， 2019， 7： 48572-48634.
[4]	PATLE B K， BABU L G， PANDEY A， et al. A Review： On Path Planning Strategies for Navigation of Mobile Robot［J］. Defence Technology， 2019， 15（4）： 582-606.
[5]	DE FILIPPIS L， GUGLIERI G， QUAGLIOTTI F. Path Planning Strategies for UAVS in 3D Environments［J］. Journal of Intelligent & Robotic Systems， 2012， 65（1）： 247-264.
[6]	ZAFAR M N， MOHANTA J C. Methodology for Path Planning and Optimization of Mobile Robots： A Review［J］. Procedia Computer Science， 2018， 133： 141-152.
[7]	康凯深，黄海龙. 基于改进的A*算法的复杂环境下路径规划研究［J］. 机械传动， 2025， 49（7）： 22-30.
	KANG Kaishen， HUANG Hailong. Research on Path Planning in Complex Environment Based on Improved A* Algorithm［J］. Journal of Mechanical Transmission， 2025， 49（7）： 22-30.
[8]	翟文鹏，刘润南，朱承元. 基于改进Dijkstra算法的滑行路径优化［J］. 中国民航大学学报， 2022， 40（1）： 1-6.
	ZHAI Wenpeng， LIU Runnan， ZHU Chengyuan. Optimization of Taxiway Based on Improved Dijkstra Algorithm［J］. Journal of Civil Aviation University of China， 2022， 40（1）： 1-6.
[9]	杨大庆，谷侃锋. 基于快速扩展随机树的机械臂路径优化算法研究［J］. 组合机床与自动化加工技术， 2021（5）： 10-12， 17.
	YANG Daqing， GU Kanfeng. Research on Path Optimization Algorithm of Manipulator Based on Fast Expanding Random Tree in Obstacle Environment［J］. Modular Machine Tool & Automatic Manufacturing Technique， 2021（5）： 10-12， 17.
[10]	贾千禧，赵旭，蒙志君. 基于改进DWA的动态环境路径规划算法［J］. 科学技术与工程， 2024， 24（15）： 6313-6319.
	JIA Qianxi， ZHAO Xu， MENG Zhijun. Path Planning Algorithm in Dynamic Environment Based on Improved Dynamic Window Approach［J］. Science Technology and Engineering， 2024， 24（15）： 6313-6319.
[11]	张弛，魏巍. 基于改进人工势场法的移动机器人路径规划［J］. 系统仿真学报， 2025， 37（11）： 2918-2926.
	ZHANG Chi， WEI Wei. Path Planning for Mobile Robots Based on Improved Artificial Potential Field Algorithm［J］. Journal of System Simulation， 2025， 37（11）： 2918-2926.
[12]	QURESHI A H， AYAZ Y. Intelligent Bidirectional Rapidly-Exploring Random Trees for Optimal Motion Planning in Complex Cluttered Environments［J］. Robotics and Autonomous Systems， 2015， 68： 1-11.
[13]	AGIRREBEITIA J， AVILÉS R， DE BUSTOS I F， et al. A New APF Strategy for Path Planning in Environments with Obstacles［J］. Mechanism and Machine Theory， 2005， 40（6）： 645-658.
[14]	孙岩霆，王荣杰，蒋德松. 融合A*与DWA算法的水面船艇动态路径规划［J］. 仪器仪表学报， 2024， 45（1）： 301-310.
	SUN Yanting， WANG Rongjie， JIANG Desong. Dynamic Path Planning of Surface Ship by Combining A* and Dynamic Window Algorithm［J］. Chinese Journal of Scientific Instrument， 2024， 45（1）： 301-310.
[15]	BAI Xiong， JIANG Haikun， CUI Junjie， et al. UAV Path Planning Based on Improved A∗ and DWA Algorithms［J］. International Journal of Aerospace Engineering， 2021， 2021（1）： 4511252.
[16]	SANG Wenpeng， YUE Yaoshun， ZHAI Kaiwei， et al. Research on AGV Path Planning Integrating an Improved A* Algorithm and DWA Algorithm［J］. Applied Sciences， 2024， 14（17）： 7551.
[17]	贺勇，侯体成，曾子望. 融合改进A*和动态窗口法的无人机路径规划［J］. 机械科学与技术， 2025， 44（9）： 1668-1676.
	HE Yong， HOU Ticheng， ZENG Ziwang. UAV Path Planning Algorithm Based on Improved A* and Dynamic Window Approach［J］. Mechanical Science and Technology for Aerospace Engineering， 2025， 44（9）： 1668-1676.
[18]	YANG Haixu， XU Xiaoming， HONG Jichao. Automatic Parking Path Planning of Tracked Vehicle Based on Improved A* and DWA Algorithms［J］. IEEE Transactions on Transportation Electrification， 2023， 9（1）： 283-292.
[19]	CHANG Xucheng， WANG Jingyu， LI Kang， et al. Design of UAV Fusion Obstacle Avoidance Algorithm Based on DWA Algorithm［C］∥Proceedings of 4th 2024 International Conference on Autonomous Unmanned Systems （4th ICAUS 2024）. Singapore： Springer Nature Singapore， 2025： 521-533.
[20]	ZHONG Xunyu， TIAN Jun， HU Huosheng， et al. Hybrid Path Planning Based on Safe A* Algorithm and Adaptive Window Approach for Mobile Robot in Large-Scale Dynamic Environment［J］. Journal of Intelligent & Robotic Systems， 2020， 99（1）： 65-77.
[21]	CAO Liling， TANG Lei， CAO Shouqi， et al. Smooth Optimised A*-Guided DWA for Mobile Robot Path Planning［J］. Applied Sciences， 2025， 15（13）： 6956.
[22]	AHMAD F， KUMAR P， PATIL P P. Modeling and Simulation of a Quadcopter UAV［J］. Nonlinear Studies， 2018， 25（2）： 287-299.
[23]	李昱东. 基于RRT-DWA算法的无人机三维动态航迹规划方法研究［D］. 成都：电子科技大学， 2024.
	LI Yudong. Research on Three-Dimensional Dynamic Trajectory Planning Method for UAV Based on RRT-DWA Algorithm［D］. Chengdu： University of Electronic Science and Technology of China， 2024.
[24]	CHANG Xucheng， WANG Jingyu， LI Kang， et al. Research on Multi-UAV Autonomous Obstacle Avoidance Algorithm Integrating Improved Dynamic Window Approach and ORCA［J］. Scientific Reports， 2025， 15（1）： 14646.
[25]	FOX D， BURGARD W， THRUN S. The Dynamic Window Approach to Collision Avoidance［J］. IEEE Robotics & Automation Magazine， 1997， 4（1）： 23-33.
[26]	CHEN Jiagui， ZHAO Yun， XU Xing. Improved RRT-Connect Based Path Planning Algorithm for Mobile Robots［J］. IEEE Access， 2021， 9： 145988-145999.
[27]	WU Yuhang， WANG Qiang， XIAO Yao， et al. Path Planning of Quadruped Robot for Urban Natural Gas Pipe Leakage Inspection Based on Optimized RRT* and DWA Algorithms［J］. International Journal of Metrology and Quality Engineering， 2024， 15： 18.
[28]	HU Jinwen， CHENG Changwei， WANG Ce， et al. An Improved Artificial Potential Field Method Based on DWA and Path Optimization［C］∥2019 IEEE International Conference on Unmanned Systems （ICUS）. Piscataway： IEEE， 2019： 809-814.
[29]	LI Peng， WANG Yuchen， GAO Zhenyan. Path Planning of Mobile Robot Based on Improved TD3 Algorithm［C］∥2022 IEEE International Conference on Mechatronics and Automation （ICMA）. Piscataway： IEEE， 2022： 715-720.