一种无人机快递自动投送最短路径规划方法技术

本发明专利技术公开了一种无人机快递自动投送最短路径规划方法，利用扫描设备扫描每个待派送快件的地址信息，确定本次投送任务的所有目标站点，规划出一条从快递集散中心出发、经过所有目标站点且最终返回到快递集散中心的最短路径。本发明专利技术先给出初始化算法，生成一个包含一系列分子的种群，每个分子代表一条满足投递任务的可行路径；再给出相应的四个化学反应子算法：分解算法，合成算法，局部搜索算法和贪婪搜索算法，按照相关规则进行迭代，使得分子种群不断进化，直到满足迭代终止条件，找出种群中势能最小的分子，由此规划出最优路径。本发明专利技术可以使无人机在完成所有目标快递站点的投递任务的前提下，总的飞行路程最短，总的时间花费最少，从而最有效地减少能源的消耗、提高快递投送效率。

An automatic delivery shortest path planning method for unmanned aerial vehicle

The invention discloses a UAV automatic express delivery of the shortest path planning method, address information using scanning equipment to scan each express delivery, to determine the target site of all delivery tasks, planning a path from the starting center, after all the courier station and eventually return to the target point of the shortest path express distribution center the. The present invention gives the initialization algorithm generates a series of molecular species, each molecule represents a feasible path to meet the delivery task; and then gives four chemical reaction corresponding algorithm: decomposition algorithm, synthesis algorithm, local search algorithm and greedy search algorithm iteratively according to the relevant rules, the molecular population continue to evolve, until the termination of iteration, to find out the molecular population of minimum potential energy, the optimal path planning. The invention enables the UAV to complete the delivery task of all the target express stations, and the total flight distance is the shortest, and the total time cost is the least, so as to effectively reduce the energy consumption and improve the delivery efficiency of the express delivery.

【技术实现步骤摘要】
一种无人机快递自动投送最短路径规划方法
本专利技术涉及无人机最短航迹规划领域，特别是一种无人机快递自动投送最短路径规划方法。
技术介绍
随着互联网技术的电子商务不断发展，具有多样性、快捷性等优势的网络购物在人们的日常生活中逐渐普及。近年来，随着网购规模的不断扩大，与网购紧密相关的快递行业对投递效率的要求也越来越高，使得快递企业面临着新的技术挑战。同时，随着城市交通拥堵情况的加剧以及地处偏僻的乡村地区快件业务量的快速增长，使得快递投送的时间成本也在不断增大。此外，人力以及运输等硬性成本的不断上涨，使得快递投送的总成本正变得越来越高。因此，越来越多的快递企业正在寻求高科技手段和现代化物流设备来提高快递投送的效率以降低运输成本。在这种背景之下，自动化无人机快递技术应运而生。利用无人机替代人工投送快递，旨在实现快递投送的自动化、无人化、信息化，提升快递的投递效率和服务质量，以缓解快递需求与快递服务能力之间的矛盾。无人机能够不受地面交通的限制，可以有效提高运送效率；而且，使用无人机向偏僻地区投送快递，经济成本相对于人工运送来说也大大降低了。此外，由于无人机自动充电技术的发展，也大大提高了无人机的活动范围，使得无人机的投送半径大大增加，可以很好地解决较偏远地区快递投送难的问题。但是，如果不能实现无人机高度自主地规划投递路径，则仍需要人员地面遥控，如此一来产生的人力成本也会让企业望而却步。要想无人机快速、准确、高效地将货物送达，特别是希望无人机在一次飞行任务中可将多个快件依次送达至不同的目标站点(即多件多点投送)，显然，有效的路径规划算法是必不可少的，而人工智能技术可以为这一问题提供合适的解决途径。化学反应算法作为一种新型的智能优化算法，吸引了众多研究者的目光，有着很大的应用潜力。该算法由Lam和Li在2010年提出，它模拟了分子在化学反应过程中通过相互作用达到稳定状态的过程，属于新的元启发式算法。在化学反应刚开始的时候，反应物不太稳定，具有过高的能量。一般来说，随着反应的进行，反应物的能量会逐渐释放。因此，最终的反应产物能量更低，更稳定。化学反应算法正是通过模拟化学反应中的微观过程来寻找最优解的。化学反应算法中最重要的机制在于能量守恒，它提出了能量缓冲区和能量转移的概念，通过一系列的初级反应对解进行操作以实现寻优。在化学反应过程中，分子通过相互作用最终达到低能量的稳定状态。同样，在化学反应算法中，参与求解的基本单位也是分子。本专利技术所用的化学反应算法涉及到的参数或变量解释如下：ω：分子结构，对应给定问题的一个解，在本专利技术中，它表示一个以快递站点的编号为元素组成的向量，ω可以表示为：ω＝[ω1，ω2，…，ωi，…，ωn]其中，ωi表示分子ω的第i个元素。ω分子中元素的序列即为无人机经过的快递点的顺序，它表示一条满足投递任务的可行路径：站点ω1→站点ω2→…→站点ωi→…→站点ωn。d(ωi,ωi+1)：代表坐标点编号为ωi和ωi+1的两个快递站点之间的距离。EPω：分子ω的势能，即解ω对应的目标函数值。在本专利技术中，EPω＝d(ω1,ω2)+d(ω2,ω3)+…+d(ωi,ωi+1)+…+d(ωn-1,ωn)EKω：分子ω的动能，一个非负实数，量化化学反应算法对于一个较当前解更差的解的接受程度。EP：种群的势能向量，向量中的每个元素对应为每一个分子的势能。EP可以表示为：EP＝[EPω1，EPω2，…，EPωm]EK：种群的动能向量，向量中的每个元素对应为每一个分子的动能。EK可以表示为：EK＝[EKω1，EKω2，…，EKωm]Eb：缓冲区能量。Einitial：初始种群中每个分子的初始化动能。Eρ：动能转化比，碰壁非有效碰撞反应中的一个参数，用来衡量反应后剩余能量转化为新分子动能的比率。Nopt：最优碰撞次数，指发现最优结构时分子的碰撞次数。Nhit：碰撞次数，指分子目前已经发生的碰撞总次数。α：分解反应中分解准则的一个参数，当碰撞次数超过最优碰撞次数α次后，即连续α次迭代未生成更优的解，则发生分解反应。β：合成反应中合成条件的一个参数，当参与合成反应的两个分子的动能均小于β时，则发生合成反应。m：分子种群的大小。p：精英解的个数。C：控制单分子反应与双分子反应发生的比例参数。Lω：分子ω的长度，即向量ω的元素个数。L：分子的最大允许长度，即分子最大允许包含的元素个数。。Lmax：无人机最大单次飞行距离。LJ：合成算法中用于存储元素索引的向量J的长度。向量J存储了第二个分子中与第一个分子的某一元素相等的所有元素在第二个分子中的索引。LG：局部搜索算法中用于存储快递站点编号的向量G的长度。向量G存储了与ωi和ωi+2两个快递站点的距离都小于无人机单次最远飞行距离Lmax的快递站点的编号，即ωi快递站点到ωi+2快递站点的可中转站点。LΩ：局部搜索算法中用于存储一些随机整数的集合Ω的元素个数。这些随机整数的选取范围与分子的长度相关，集合Ω用于存储这些随机整数，并且每次生成新的在选取范围内的随机整数，则将新产生的数加入集合Ω，直到所有符合要求的随机整数均被选取到为止。f：更新精英解集频率，每f次迭代更新一次精英解集。Flag：标志变量，用于决定本次迭代进行局部搜索算法或者贪婪搜索算法。变量ω，EPω，EKω最为关键，分子结构ω表示优化问题的一个解，势能EPω被定义为目标函数值，动能EKω量化了化学反应算法对于一个较当前解更差的解的接受程度。剩下的参数和变量一般都依赖于算法算子的定义，主要用来帮助化学反应算法跳出局部最优解。化学反应算法在求解过程中，通过四种基本反应算子对分子进行操作，以寻找问题的最优解。这四种基本反应算子包括碰壁非有效碰撞算子、分解算子、分子间非有效碰撞算子以及合成算子。其中，前两者只有一个分子参与，而后两者则需两个分子参与。碰壁非有效碰撞：在一次碰壁非有效碰撞中，单个分子与墙壁发生碰撞之后反弹回来，仍然保持了分子的完整性。在碰撞发生之后，从原分子ω的邻域中产生了一个新的分子ω'。如果下列能量守恒条件被满足：EPω+EKω≥EPω'那么，原分子ω将被新分子ω'取代。新分子ω'的动能为：EKω'＝(EPω+EKω-EPω')×λ式中，λ∈[Eρ,1]表示碰撞后保留在分子中的动能系数。剩余的能量将转移到能量缓冲区Eb中。分解：当分子ω满足以下分解准则：Nhit-Nopt>α时，会发生分解反应。在分解反应中，原分子ω碰到墙壁上被分解成两个分子ω1和ω2。为了鼓励分解反应的发生，会从能量缓冲区Eb里面导入一些能量。设δ1和δ2是[0,1]区间上的两个随机数，那么分解反应的能量守恒条件就变成了：EPω+EKω+δ1×δ2×Eb≥EPω1+EPω2当此条件成立时，原分子ω就会被两个新分子ω1和ω2所取代。剩余能量Edec＝EPω+EKω+δ1×δ2×Eb-EPω1-EPω2则在两个新分子之间随机分配，即：EKω1＝Edec×δ3EKω2＝Edec×(1-δ3)式中，δ3∈[0,1]是一个随机数。分子间非有效碰撞：当两个分子相互碰撞然后反弹开的时候，就会发生分子间非有效碰撞。两个新分子ω1'和ω2'分别从原分子ω1和ω2的邻域中产生。分子间非有效碰撞的能量守恒条件为：EPω1+EKω1+EPω2+E本文档来自技高网...

【技术保护点】
一种无人机快递自动投送最短路径规划方法，其特征在于，包括以下步骤：1)扫描待派送的每个快件的地址信息，确定本次无人机快递投送任务的所有目标快递站点；2)初始化分子种群大小m，分子的最大长度L，精英解个数p，缓冲区能量Eb，动能转化比Eρ，更新精英解集频率f，初始化动能Einitial，参数α，β，C，碰撞次数Nhit，最优碰撞次数Nopt以及标志变量Flag；α表示分解反应中分解准则的一个参数，当碰撞次数超过最优碰撞次数α次后，即连续α次迭代未生成更优的解，则发生分解反应；β表示合成反应中合成条件的一个参数，当参与合成反应的两个分子的动能均小于β时，则发生合成反应；C表示控制单分子反应与双分子反应发生的比例参数；3)利用初始化算法生成初始种群，计算初始种群中每个分子的势能，选取初始种群中势能最小的前p个分子作为当前精英解集；4)令k＝1，开始进行第一次迭代；5)如果当前种群小于p个分子，直接执行步骤6)；如果当前种群中分子数不小于p，生成一个[0，1]的随机数t，如果t<C，执行步骤6)；否则，转到步骤8)；6)从当前种群中随机选择一个分子ω，如果满足分解准则Nhit‑Nopt&gt;α，则按照分解算法执行分解算子操作，然后转到步骤11)；否则，执行步骤7)；7)如果Flag为1，则按照局部搜索算法对分子进行局部搜索，令Flag＝0，然后执行步骤8)；否则，按照贪婪搜索算法进行贪婪搜索，令Flag＝1，转到步骤11)；8)从当前种群中随机选择两个分子ω1和ω2，若满足合成准则EKω1≤β且EKω2≤β，则按照合成算法执行合成算子操作，然后转到步骤10)；否则，执行步骤9)；EKω1表示分子ω1的动能；EKω2表示分子ω2的动能；9)如果Flag为1，则按照局部搜索算法对两个分子进行局部搜索，令Flag＝0，然后执行步骤10)；否则，按照贪婪搜索算法进行贪婪搜索，令Flag＝1，然后执行步骤10)；10)若f整除k，则将精英解集中的p个精英解加入当前种群，计算当前种群中每个分子的势能，选取种群中势能最小的前p个分子替换原精英解集的p个分子，删去当前种群中势能最大的p个分子，并对应更新当前种群的势能向量EP和动能向量EK，然后执行步骤11)；否则，直接执行步骤11)；11)若当前种群中生成了势能更小的分子，则Nopt加1，然后执行步骤12)；否则，直接执行步骤12)；12)将k的值加1，判断是否满足迭代终止条件，若满足,，则执行步骤13)；否则，转到步骤5)；13)输出当前种群中拥有最小势能的分子，该分子的编码顺序即为规划的最短路径，将规划信息发送给无人机执行派件任务，结束。...

【技术特征摘要】
1.一种无人机快递自动投送最短路径规划方法，其特征在于，包括以下步骤：1)扫描待派送的每个快件的地址信息，确定本次无人机快递投送任务的所有目标快递站点；2)初始化分子种群大小m，分子的最大长度L，精英解个数p，缓冲区能量Eb，动能转化比Eρ，更新精英解集频率f，初始化动能Einitial，参数α，β，C，碰撞次数Nhit，最优碰撞次数Nopt以及标志变量Flag；α表示分解反应中分解准则的一个参数，当碰撞次数超过最优碰撞次数α次后，即连续α次迭代未生成更优的解，则发生分解反应；β表示合成反应中合成条件的一个参数，当参与合成反应的两个分子的动能均小于β时，则发生合成反应；C表示控制单分子反应与双分子反应发生的比例参数；3)利用初始化算法生成初始种群，计算初始种群中每个分子的势能，选取初始种群中势能最小的前p个分子作为当前精英解集；4)令k＝1，开始进行第一次迭代；5)如果当前种群小于p个分子，直接执行步骤6)；如果当前种群中分子数不小于p，生成一个[0，1]的随机数t，如果t<C，执行步骤6)；否则，转到步骤8)；6)从当前种群中随机选择一个分子ω，如果满足分解准则Nhit-Nopt>α，则按照分解算法执行分解算子操作，然后转到步骤11)；否则，执行步骤7)；7)如果Flag为1，则按照局部搜索算法对分子进行局部搜索，令Flag＝0，然后执行步骤8)；否则，按照贪婪搜索算法进行贪婪搜索，令Flag＝1，转到步骤11)；8)从当前种群中随机选择两个分子ω1和ω2，若满足合成准则EKω1≤β且EKω2≤β，则按照合成算法执行合成算子操作，然后转到步骤10)；否则，执行步骤9)；EKω1表示分子ω1的动能；EKω2表示分子ω2的动能；9)如果Flag为1，则按照局部搜索算法对两个分子进行局部搜索，令Flag＝0，然后执行步骤10)；否则，按照贪婪搜索算法进行贪婪搜索，令Flag＝1，然后执行步骤10)；10)若f整除k，则将精英解集中的p个精英解加入当前种群，计算当前种群中每个分子的势能，选取种群中势能最小的前p个分子替换原精英解集的p个分子，删去当前种群中势能最大的p个分子，并对应更新当前种群的势能向量EP和动能向量EK，然后执行步骤11)；否则，直接执行步骤11)；11)若当前种群中生成了势能更小的分子，则Nopt加1，然后执行步骤12)；否则，直接执行步骤12)；12)将k的值加1，判断是否满足迭代终止条件，若满足,，则执行步骤13)；否则，转到步骤5)；13)输出当前种群中拥有最小势能的分子，该分子的编码顺序即为规划的最短路径，将规划信息发送给无人机执行派件任务，结束。2.根据权利要求1所述的无人机快递自动投送最短路径规划方法，其特征在于，步骤3)中，初始种群的生成过程包括以下步骤：1)将N个快递站点依次编号为1、2、…、N，其中1号快递站点为快递集散中心；2)令k＝1，开始生成第一个分子；3)若k≤m，令种群中第k个分子ω的第一个值为1，随机选择距离1号快递站点小于Lmax的下一个快递站点的编号作为ω2，令i＝2，执行步骤4)；否则，结束；Lmax为无人机最大单次飞行距离；4)若ωi为1或者Lω大于L，则执行步骤5)；否则，转到步骤6)；ωi表示分子ω的第i个元素；Lω表示分子ω的长度；5)若当前分子包含所有目标投递点且ωi为1，说明该分子有效，则将该分子加入种群中，k的值加1，转到步骤3)，生成下一个分子；否则，直接转到步骤3)，重新生成分子；6)在与ωi所表示快递站点的距离小于Lmax的范围内随机选择下一个快递站点，将该快递站点的编号作为ωi+1；7)找出当前分子中与新产生的ωi+1相等的所有值，若不存在这样的值，则i加1，转到步骤4)；若存在，就将找到的所有值在当前分子中的位置组成一个向量，取该分子的最后一个值记为j，并判断当前分子的第j+1到第i+1个元素中是否包含目标投递点，若不包含，令i＝j，转到步骤6)；若包含，则i加1，转到步骤4)；3.根据权利要求1所述的无人机快递自动投送最短路径规划方法，其特征在于，步骤6)中，分解算子操作的具体过程包括：1)令v＝Lω-3，在2到v中产生一个随机整数i，记分子ω的第1个到第i个值为分子a，剩下的部分反序排列后记为分子b；2)若ai为1或者Lω大于L，则执行步骤3)；否则，转到步骤4)；ai表示分子a的第i个元素；3)若当前分子a包含所有目标投递点且该分子的最后一个值为1，则转到步骤6)；否则，重新取ω第1个到第i个值为分子a，执行步骤7)；4)在与ai所表示快递站点的距离小于Lmax的范围内随机选择下一个快递站点，将该下一个快递站点的编号作为ai+1；5)找出当前分子a向量中与新产生的ai+1相等的所有值，若不存在这样的值，则i加1，转到步骤2)；若存在，就将找到的所有值在当前分子a中的位置组成一个向量，取该向量的最后一个值记为j，并判断当前分子a向量的第j+1到第i+1个元素中是否包含目标投递点，若不包含，令i＝j，转到步骤4)；若包含，则i加1，转到步骤2)；6)采用上述步骤2)～步骤5)，对分子b进行操作，得到有效解仍记作分子b；7)计算分子a和分子b的势能EPa、EPb，并产生0到1的随机数δ1和δ2，如果EPω+EKω+δ1×δ2×Eb≥EPa+EPb，则分解条件成立，剩余能量随机分配作为分子a和b的动能，删去分子ω，将分子a、b加入到当前种群中，并对应更新当前种群的势能向量EP和动能向量EK，更新Eb＝Eb-δ1...

【专利技术属性】
技术研发人员：谭冠政，王光明，陈珂宇，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43