【技术实现步骤摘要】
复杂低空环境下多无人机协同应急调控方法
[0001]本专利技术属于无人机协同领域,具体涉及复杂低空环境下多无人机协同应急调控方法。
技术介绍
[0002]我国是世界上自然灾害最为严重的国家之一,灾害种类分布地域广、发生频率高、造成损失重,严重威胁生命和财产安全;提升相关机构的应急救援能力至关重要,也面临着巨大的挑战。另一方面,社会中的物流需求日益增长和多样化,也对各方物流配送力量提出了更高的要求。配送时间与成本的最小化问题需要综合考虑地形、客户需求和物资分布等多方面的因素。
[0003]在应急救援或物流配送的各种方式中,航空救援由于其响应速度快、受地理空间限制少等优势,成为世界各国普遍采用的有效手段。其中,无人机因其高安全性、成本低、易操纵和高度灵活等特点,被广泛应用在各种应急情境当中。能够适用于各种问题情景,最小化成本的无人机调度方法发挥着不可估量的作用。
[0004]无人机应急问题具有求解规模大,约束条件多,不确定性参数难以量化等困难。在大多数现存无人机资源分布场景中,往往具有多个无人机集散地,即传统车辆路径规划中的车场。车场与客户需求点在地图上交错散落分布,其不同的存储量和需求量,成为无人机应急问题中需要满足的约束条件,优化目标即为在多个目标不冲突的情况下,无人机航行轨迹与运行时间的最小化。
[0005]启发式算法在此类问题中应用较广,遗传算法便是其中较为经典的解决方案。现有大多利用遗传算法求解多车场问题的方案中,在算法的初始解生成、遗传变异等环节具有随机性大,选择性小或稳定度低等问题,
【技术保护点】
【技术特征摘要】
1.复杂低空环境下多无人机协同应急调控方法,其特征在于,具体步骤包括:首先,构建包括n个客户和m个车站的无人机应急调度通信场景;然后,搭建通信场景中无人机应急需要满足的约束条件,以及路径总长度最小化的优化目标;优化目标函数为:客户集合为C={c1,c2…
,c
n
};车站集合为D={d1,d2,
…
,d
m
};将每个客户和每个车站分别作为一个点,所有点的集合为V=C∪D,R为所有车站中的车辆总数,每个车站中具有相同的车辆数D
num
,且车辆的容量V
cap
一致;为二元的决策变量,当其为1时表示第k辆车会通过i点,并且下一个点到达j点,即形成从i点到j点的有向弧;当其为0时,表示第k辆车不会形成从i点到j点的有向弧;dis
i,j
表示i点到j点之间的欧式距离;约束条件如下:约束条件如下:约束条件如下:约束条件如下:其中,C1表示每个车站出车数量不大于该车站的总车辆数;C2表示每个客户仅被访问一次;C3表示车辆容量限制,dem
j
为第j个客户点的需求;C4表示消除子回环;表示第k辆车到达第i个客户点时车辆已经消耗的容量;dem
i
表示第i个客户点所需要的容量;按照读入顺序将客户点从1到n进行编号,将n个点进行随机不重复的排列,形成初始化序列,作为初始个体的DNA;结合优化目标和约束条件,利用split操作得到该个体序列对应的路径规划方案和适应度,添加到初始个体信息中,并将该初始个体加入种群中;重复随机编号和split操作,直到初始个体的数量达到种群数量的要求;最后,对达到数量要求的种群进行迭代,直至达到迭代次数,返回最优个体的路径规划方案和适应度信息,并检验此方案是否满足车场容纳车辆数约束,如果是,直接输出该路径规划方案;否则,对所需车辆大于实际车辆的情况进行修正,再输出满足约束条件下的最优路径规划方案。2.如权利要求1所述的复杂低空环境下多无人机协同应急调控方法,其特征在于,所述split操作具体为:步骤401、针对序列的初始客户c
i
,i=1,将其作为一条路径的起始客户点,初始化车辆已经消耗的容量load=0;同时,初始化路径长度lenth=0;
lenth分为两部分:lenth1表示从起始客户点i到终止客户点j按序列顺序走完的路径长度,即lenth2表示寻找到的离点i和j最近的车站距离,即步骤402、将下一个j≥i的客户c
j
视为路径的终点,判断车辆已耗容量load加上客户c
j
的所需容量,是否小于车辆容量限制;如果是,则路径长度lenth1加上客户c
j
‑1和c
j
之间的距离dis
j
‑
1,j
,进入步骤403;否则,进入步骤406;步骤403、从当前终点对应的所有车站中寻找最近的车站,更新lenth2;步骤404,更新起始客户c
i
和终点客户c
j
之间的路径长度lenth=len...
【专利技术属性】
技术研发人员:李宇萌,郭通,孙若斐,雷雨衡,江忆南,杜文博,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。