【技术实现步骤摘要】
本专利技术涉及一种植保无人机作业方法，特别是基于智能优化算法的植保无人机作业路径规划方法。
技术介绍
1、近年来，随着无人机技术的迅速发展，其在农业、物流、医疗等多个领域的应用日益增多。特别是在农业领域，植保无人机已经成为了一种新兴的农业机械化设备，可以高效、准确地完成农田的植保作业。然而，如何为植保无人机规划一条最优的作业路径，确保覆盖所有的农田区域并高效地完成植保任务，成为了一个亟待解决的技术问题。
2、传统的路径规划方法，如遗传算法、粒子群优化、蚁群算法等，虽然在某些应用中取得了一定的效果，但在解决植保无人机作业路径规划问题时，仍然存在一些局限性。例如，这些方法可能会陷入局部最优，或者在大规模的农田区域中无法找到满足实际需求的解决方案。
3、为了解决上述问题，研究者们开始探索新的优化算法和方法。其中，基于智能优化算法的植保无人机作业路径规划方法受到了广泛关注。这种方法结合了传统的优化算法和现代的人工智能技术，旨在为植保无人机找到一条既满足实际需求，又具有较高优化性能的作业路径。
4、传统的遗传算法在求解植保无人机作业路径规划问题时，基于顺序编码，不需要进行离散化处理，交叉和变异操作产生的后代满足编码规则。标准遗传算法在求解植保无人机作业路径规划问题时存在收敛速度慢、求解精度低等问题。
5、在实际研究应用中，单一的智能优化算法受到算法本身或原理的限制，存在搜索精度低、算法性能受参数影响大和易陷入局部最优等问题。而混合优化算法通过两种或多种智能优化算法或优化思想相结合，充分发挥不
6、传统的群体智能优化算法最初多是被提出用于求解连续问题，离散问题因解的特殊性无法直接使用此类算法进行求解。针对这个问题，一些学者研究给出了连续优化问题离散化的处理方法。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于智能优化算法的植保无人机作业路径规划方法，该方法是一种基于混合改进的遗传算法，结合了多种智能优化算法的优点，可以提高算法的全局和局部搜索能力，确保作业点覆盖所有的农田区域的同时得到最优的作业路径，有效地提高植保无人机作业路径规划问题的求解质量和效率。
2、本专利技术所要解决的技术问题是通过以下的技术方案来实现的。本专利技术是一种基于智能优化算法的植保无人机作业路径规划方法，其特点是：
3、编码方式：采用基于顺序的编码方式，使得遗传算法在求解植保无人机作业路径规划时不需要进行离散化处理；
4、交叉操作：为了使交叉算子具有启发性和有遗传性，提出了一个双向启发式交叉算子，大大提高了交叉产生后代的质量；
5、变异操作：考虑到生物学中的跳跃基因概念和二进制跳跃基因算子的启发，提出了一种适用于求解植保无人机作业路径规划问题的跳跃基因算子，提升算法的收敛速度；
6、选择操作：为了平衡算法的探索与开发能力，提出了一种基于序的组合适应度函数的轮盘赌选择算子；
7、局部搜索：由于局部搜索算法可以有效地补充遗传算法局部搜索能力不足的缺点，因此在遗传算法中引入2-opt算法，使混合改进遗传算法具有较好的全局和局部搜索能力。
8、本专利技术所要解决的技术问题还可以通过以下的技术方案来实现进一步实现。以上所述的本专利技术基于智能优化算法的植保无人机作业路径规划方法，其特点是：
9、本专利技术所要解决的技术问题还可以通过以下的技术方案来实现进一步实现。以上所述的本专利技术基于智能优化算法的植保无人机作业路径规划方法，其特点是：其具体步骤如下：
10、(1)参数设置：混合遗传算法种群规模为n，交叉概率pc＝0.7，变异概率pm＝0.8，跳跃基因概率pjg＝0.5，精英个体为10，算法的迭代次数为500，初始迭代次数gen＝0；无人机作业点位数为n；具有n个作业点位数的无人机路径规划问题的目标函数表示为:
11、
12、式中，f(t)是无人机路径中无人机所飞的最短距离；ti表示第i个作业点；d(ti,ti+1)表示第i个作业点与第i+1个作业点之间的距离，用如下公式表示：
13、
14、(xi，yi)和(xi+1，yi+1)分别是ti，ti+1的坐标；
15、(2)编码方式：混合遗传算法采用整数编码方式，使得混合遗传算法在求解植保无人机作业路径规划时不需要进行离散化处理；无人机作业点数为n，则个体初始为
16、x＝randperm(n)(3)其中，x为码长为n、编码值为整数且不存在重复值的个体；
17、以式(1)生成n个个体，并以式(1)计算n个个体的适应度值；
18、(3)如果gen满足最大迭代条件，输出最优的作业路径、n个作业点之前的飞行长度，结束循环，否则、进入下一步；
19、(4)在n个个体中保存10个适应度值最小的个体；
20、(5)选择参与交叉的染色体，以基于序的组合适应度函数的轮盘赌选择算子，选择概率计算公式如下：
21、
22、式中，n为种群个体，fi为种群中第i个个体的适应度值，适应度值引入一种基于序的适应度函数计算方式，计算公式如下：
23、3)基于序的线性适应度函数
24、
25、4)基于序的非线性适应度函数
26、fi＝β(1-β)i-1 (6)
27、式中，β∈(0,1)，一般在0.01-0.3之间；根据迭代次数选择适应度函数，偶数次迭代时以公式(6)计算，奇数次迭代以公式(5)计算；
28、(6)采用双向启发式交叉算子；交叉算子通过交叉操作以提高搜索能力，子代能够继承父代的优秀基因，组合父代中有价值的信息，生成能够包含更复杂基因结构的新个体；
29、(7)将交叉产生的n个个体和步骤(4)中保存的10个精英个体组成新的种群；计算种群的适应度值，并且选择最优的n个个体作为当前种群中的个体；保存的10个精英个体；
30、(8)执行唯一操作；操作方法如下：设种群规模为n，经过若干次迭代后，种群中若有两个或两个以上相同的染色体存在，只保留多个相同染色体中的一个；若去掉其余相同染色体后种群规模为n1，为了保持种群规模不变，随机产生n-n1个染色体，用随机产生的n-n1个染色体替代去掉的n-n1个相同的染色体；
31、(9)执行唯一操作后的n条染色体和步骤(7)中保留的q条精英染色体构成新的种群；
32、(10)根据适应度值对种群中个体进行升序排序；
33、(11)分别保留飞行路线长度较短的n条染色体和q条精英染色体；
34、(12)对保留的n条染色体按变异概率pm执行变异操作；给出一种组合变异算子，兼顾算法的探索能本文档来自技高网...
【技术保护点】
1.一种基于智能优化算法的植保无人机作业路径规划方法，其特征在于：
2.根据权利要求1所述的基于智能优化算法的植保无人机作业路径规划方法，其特点是，其具体步骤如下：
3.根据权利要求2所述的一种基于智能优化算法的植保无人机作业路径规划方法，
4.根据权利要求2所述的一种基于智能优化算法的植保无人机作业路径规划方法，其特点是，其特征在于：步骤(14)中，顺序编码的跳跃基因算子的实现步骤如下：
5.根据权利要求2所述的一种基于智能优化算法的植保无人机作业路径规划方法，其特点是，其特征在于：步骤(15)中，2-Opt的步骤如下：
【技术特征摘要】
1.一种基于智能优化算法的植保无人机作业路径规划方法，其特征在于：
2.根据权利要求1所述的基于智能优化算法的植保无人机作业路径规划方法，其特点是，其具体步骤如下：
3.根据权利要求2所述的一种基于智能优化算法的植保无人机作业路径规划方法，
4.根据权...
【专利技术属性】
技术研发人员：孙小博，张攀利，牛龙辉，蔡梦宸，陈红旭，
申请(专利权)人：东北农业大学，
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。