【技术实现步骤摘要】
本专利技术属于无人机多任务分配的，具体涉及一种基于蒙特卡罗树搜索的城市物流无人机任务分配方法。
技术介绍
1、近年来，无人机技术已经在结构设计、控制系统及通讯技术等多个领域取得了显著进展。技术的日益成熟与成本的下降使得无人机在民用和商业领域开始广泛应用，其中包括地理测绘、电力检测系统、精准农业、公共安全监控、智慧交通系统、远程医疗援助以及现代物流配送。尤其在物流配送领域，高效、低成本、环保的无人机物流特点更加契合当代社会的需要，无人机物流已经受到越来越多的各大企业的关注和尝试。
2、在高速科技发展的背景下,物流领域正在经历一个变革的时代。由于城市交通日益拥堵，传统的配送方式如汽车和卡车，已面临诸多挑战，包括高昂的人工成本、时间成本和能源消耗。在此背景下，无人机物流代表了未来的一个主要方向。无人机配送方式不受地面交通的限制，能够在短时间内精准完成货物投递，极大提高了物流运输效率。除此之外，相较于传统物流运输模式，无人机可以轻松到达一些难以抵达的地区，为边远地区的居民提供更加便捷的物流服务。并且，传统物流方式对石油资源的过度依赖对环境产生了负面影响，加剧了全球碳排放。而无人机多数采用电动驱动方式，在很大程度上减少了碳足迹。无人绿色、高效的物流方式，完全符合现代社会对可持续发展的期望，也与全球对抗气候变化的目标保持一致。
3、许多国际企业已经预见到无人机物流领域的巨大潜力并加以实践。亚马逊的prime air无人机配送服务旨在；利用无人机将配送时间缩短到30分钟内。新西兰的达美乐披萨已经得到了政府的授权，测试了
4、在目前的相关研究中，对无人机的任务分配主要使用的是线性规划方法和拍卖算法，只能处理限制条件较少的任务分配问题，处理能力较弱。并且，常一个无人机站点需要解决大量任务的派送，现在的方法无法一次性解决大量任务的分配。不同于传统的车辆配送问题研究，无人机的运输能力严格受到能量和载荷的限制，具有很强的限制条件。当前的研究方法缺少对大量任务的处理和具有限制条件的任务分配的解决能力。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足之处，提供一种基于蒙特卡罗树搜索的城市物流无人机任务分配方法，该方法对mcts方法进行改进，通过建立多个搜索树，在多个搜索树中进行多任务匹配关系的计算，并对选择、扩展和模拟三个过程进行改进，可以对大量任务进行分配。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于蒙特卡罗树搜索的城市物流无人机任务分配方法，包括如下步骤：
4、步骤1、根据无人机的数量和载荷能力，结合物流任务所在的位置信息，将所有物流任务进行分组得到每个任务组中的多个子任务；
5、步骤2、根据无人机的位置和能量情况，建立每一个任务组与无人机之间一一对应的多个搜索树，并建立公共搜索集合；
6、步骤3、基于建立的搜索树和公共搜索集合，采用改进的蒙特卡罗树搜索mcts在每个任务组中进行多个无人机与多个子任务之间的分配计算，得到最合适的分配策略。
7、进一步地，步骤1中分组的方法为：
8、s1.1，根据无人机的数量、单个无人机最大携带物品数量以及所有任务的数量，确定分组数量，分组数量的计算公式如下：
9、
10、k代表得到的分组数量，其中m,n,pmax分别表示无人机的数量、所有任务的数量、单个无人机最大携带物品数量，mpmax的结果代表了每组应该包含的任务数量；
11、s1.2，采用k-means方法对所有任务进行分组。
12、进一步地，步骤1中采用k-means方法对所有任务进行分组的具体方法为：
13、随机选择k个数据点作为初始聚类中心，根据剩余任务距离初始聚类中心的距离，将每个任务点分配至距离其最近的初始聚类中心，得到k个任务组；对于任务组中的每个任务点，计算其到每个聚类中心的距离，并结合mpmax的结果，根据子任务距离中心点的距离长度，调整任务组包含的子任务数量，将任务组中子任务数量大于mpmax并距离中心点最远的子任务删去，添加到任务组中子任务数量小于mpmax的组中，最终使每个组的子任务数量为mpmax；根据调整的任务组，再次计算每个任务组中的子任务距离初始聚类中心的距离，根据此距离的平均值得到新的聚类中心；重复执行上述方法直到聚类中心没有变化。
14、进一步地，步骤2具体实现方法如下：
15、s2.1，根据无人机的位置和当前状态即无人机能量情况，建立搜索树的根节点，记录当前位置和无人机当前状态，并建立一个公共搜索集合存放一次迭代中每个无人机的任务序列；
16、s2.2，根据每个无人机对应搜索树的根节点，结合当前根节点的状态，选择能够到达的任务，对搜索树的根节点进行扩展，完成搜索树的建立。
17、进一步地，步骤3具体包括如下子步骤：
18、s3.1，随机选取一个无人机对应的搜索树，从根节点开始，判断每个节点是否完全扩展，如果没有完全扩展，则对其进行扩展；如果已经完全扩展，则计算完全扩展的节点下的每个子节点的得分并选取得分最高的子节点，并再次判断选取的得分最高的子节点是否完全扩展，若子节点没有完全扩展，则选取此子节点；或者在所有节点完全扩展情况下，选取得分最高的子节点；
19、s3.2，对选取的子节点对应进行模拟直到其满足终止状态，即满足每个无人机的最大任务数量不超过无人机最大携带物品数量；
20、s3.3，将模拟的结果回溯至根节点，并更新回溯过程中所有经过的节点的值，且更新公共搜索集合，再将本次模拟所经过的任务点添加至公共搜索集合，直到所有无人机对应的搜索树完成一次迭代后，将公共搜索集合清空，等待下一次迭代；
21、s3.4，根据上述步骤完成一个无人机的迭代过程后，选取另一个无人机对应的搜索树继续执行s3.1-3.3，并记录得到的最佳分配结果，直到所有无人机对应的搜索树的迭代过程完全执行结束；执行结束后，输出搜索过程中得到的最佳分配结果，即为合适的分配策略。
22、进一步地，步骤3.1中计算子节点得分的方法为：
23、
24、其中，q表示子节点的平均得分，即该子节点的总得分与模拟次数的比值；n1表示该节点的模拟次数，n2表示该节点下的子节点的模拟次数，c表示一个常数，argmaxa∈a(s)表示取使值最大的子节点。
25、进一步地，步骤3.1中进行节点扩展的方法为：
26、通过计算当前节点的状态即此时无人机的能量情况，根据无人机的能量情况，选择性的向该节点添加子节点，所添加的子节点满足以下条件：
27、
28、其本文档来自技高网...
【技术保护点】
1.一种基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤1中分组的方法为：
3.根据权利要求2所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤1中采用K-Means方法对所有任务进行分组的具体方法为：
4.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤2具体实现方法如下：
5.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤3具体包括如下子步骤：
6.根据权利要求5所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤3.1中计算子节点得分的方法为：
7.根据权利要求5所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤3.1中进行节点扩展的方法为：
8.根据权利要求5所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤3.2中的模拟方法
9.根据权利要求8所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，模拟阶段的随机概率计算方法如下：
...【技术特征摘要】
1.一种基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤1中分组的方法为：
3.根据权利要求2所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤1中采用k-means方法对所有任务进行分组的具体方法为：
4.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方法，其特征在于，步骤2具体实现方法如下：
5.根据权利要求1所述的基于蒙特卡罗树搜索的城市物流无人机任务分配方...
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。