一种能耗约束下的多无人机任务分配方法
【专利摘要】本发明涉及能耗约束下的多无人机任务分配方法，无人机编队由两架任务机和一架服务机构成，上位机采用改进的遗传算法将各任务点分配给各任务机，并引入三交换交叉算子，使得到的无人机编队航路最小，且各个任务机的航路尽量均衡；同时,考虑任务机的能耗约束问题，为使任务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配。相较于传统的多无人机任务分配问题，本发明提高了多无人机系统完成任务的效率，使多个任务机访问任务点的路航路尽可能均衡；引入了能源补给点的设置方法，对于保证无人机任务分配的顺利完成具有十分重大的意义。
【专利说明】
-种能耗约束下的多无人机任务分配方法
技术领域
[0001] 本发明专利设及多无人机任务分配领域，用于解决空中多无人飞行器能耗受限的 任务分配问题。
【背景技术】
[0002] 随着对机器人技术的深入研究，W及系统能力的显著提升，机器人系统的应用得 到了飞速发展。目前，机器人可W应用于更广泛的领域，机器人代替人类，使得人类从繁重、 危险的劳动中解脱出来，特别是一些危险性较高或者人类无法进入的特殊场合，例如核泄 漏、空中无人机航拍监测、火星探险、火灾救援W及军事反恐等应用需求。对于复杂繁琐的 作业任务，单个机器人完成任务所耗费时间较长，效率低等因素导致单一机器人已无法满 足完成某些任务的需求，因此，人类可W将多移动机器人系统运用于工农业生产、军事国防 和科学研究等领域中实现降低人类劳动强度、提高工作效率、避免人员伤亡W及扩展人类 活动空间等目的。
[0003] 现代战争中使用机器人代替±兵执行危险的任务，能最大限度地减少地面部队和 非参战人员的伤亡，由于运些任务的可分解性，用多个机器人协作并行地完成不同的子任 务显然会比单机器人要快得多。对于多机器人系统，任务分配是有效利用多移动机器人系 统资源，W充分发挥系统效能优势的重要基础，其重要性程度随系统成员的功能差异性和 任务的结构复杂性的增加而增加。美国Michigan大学的化Iland教授提出的遗传算法 (Genetic Algorithm,GA)是求解复杂的组合优化问题的有效方法。在多机器人任务分配系 统中，任务分配问题的模型可W由多旅行商问题分析得到。最早的旅行商问题的数学规划 是由Dantzig(1959)等人提出，多旅行商问题(Multiple Traveling Salesman Problem,后 简称MTSP)是指M个旅行商从同一个城市或不同城市出发，分别走一条旅行路线，除出发城 市外，使得每个城市有且仅有一个旅行商经过，最终回到出发城市，且总路程最短。
[0004] 任务分配过程中，各机器人相当于各个旅行商，旅行商访问的各个城市相当于机 器人访问的各个任务点，不同之处在于任务分配的过程为类旅行商模型，即为旅行商无需 返回出发点的类似模型。
[0005] 由于W上传统方法并未考虑任务分配过程中各个任务机航路均衡的问题，W及任 务机能耗约束的问题，而对于无人机控制领域，任务机能耗约束又是一个必须解决的关键 问题。
【发明内容】
[0006] 本发明要解决的技术问题是，针对上述技术缺陷，提供一种能耗约束下的多无人 机任务分配的方法，能够对多无人机的前方任务进行合理分配并进行航路优化;同时，解决 多无人机能耗的补给问题;使其适应未来空中作战战场及空中运输等其他空中任务分配问 题。
[0007] 为解决上述技术问题，本发明采用如下技术方案：
[0008] -种能耗约束下的多无人机任务分配方法，其特征在于在给定无人机编队、各任 务点W及在任务机能耗约束下，W均衡优化航路同时最小化航路为目标分配任务，为使任 务机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务 机在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配;具体包括 如下步骤：
[0009] 步骤1:任务分配系统初始化;主要包括上位机初始化、地面控制台初始化、时钟初 始化、无人机编队初始化;所述无人机编队有至少=架无人机，分别为任务机A、任务机B，为 任务机提供能源的服务机C;设定前方有多个任务点，且任务点数目多于任务机数目，无人 机编队在接收到出发命令前，位于出发点0待命；
[0010] 步骤2:建立地面控制台、定位卫星W及无人机编队之间的通信:执行前方任务时， 通过卫星定位技术实时获得各任务点、无人机的位置信息；
[0011] 步骤3:定位卫星实时将无人机及前方各任务点的位置信息传回给地面控制台，地 面控制台实时接收、分析并处理运些位置信息；
[0012] 步骤4:上位机通过改进的遗传算法，引入=交换交叉算子将各任务点分配给各任 务机，得到理想航路1〇,即任务机不受能耗约束的航路；建立任务点分配模型为类MTSP模 型，即为旅行商无返回的类MTSP模型；
[0013] 步骤5:获取能源补给点P的位置:上位机结合约束条件模拟任务机在初步的理想 航路Io上飞行，得到第一个能源补给点Po的位置；
[0014] 步骤6:设定无人机编队到达第一个能源补给点Po后，任务分配系统对余下的任务 点重新作任务分配，同时寻求下一个能源补给点，即一直循环运行步骤2、步骤3、步骤4、步 骤5，直至完成所有任务点的分配；
[0015] 步骤7:在所有任务点分配完成后，控制台发出控制命令，无人机编队接收命令，从 0点出发，沿着指定的规划航路前往各任务点执行分配的任务。
[0016] 上述技术方案中，任务机A和任务机B为同构无人机，服务机C与任务机为异构无人 机，且服务机C能耗限制足W保证完成所有任务，任务机A和任务机B能耗受限需在飞行过程 中进行能源补充。
[0017] 上述技术方案中，所述能源补给点P是任务机能量耗尽的汇合点，也是服务机C与 任务机A、任务机B的汇合点；且不计汇合时刻所耗费的时间，服务机C的飞行航路为从出发 点依次前往各能源补给点；在每一个迭代周期内判断各任务机是否需要进行能源补给，能 源补给点P位于某一时刻任务机A和B的连线中点处，当一队编队到达能源补给点即寸，任务 机A、任务机B的能源已经耗尽，服务机C的飞行路线为由出发点0到能源补给点P的直线路 径。
[0018] 上述技术方案中，单个任务机的航路长度即将达到航路极限值时，该任务机前往 能源补给点。
[0019] 上述技术方案中，步骤4中设定任务机编队访问完所有任务点后，停留在最后一个 任务点，无需返回出发点，得到任务机初步的不受能耗约束的航路1〇,也即理想航路1〇。
[0020] 本发明所述改进的遗传算法将各任务点分配至各任务机，引进=交换交叉算子使 得任务机总航路最短、各任务机航路大致均衡。任务分配问题可W描述为:前方有多个任务 点，且任务点数目多于任务机数目，一队空中无人机编队正在出发点待命，上位机等待通过 卫星定位技术传回的任务点及无人机的位置信息，当前方战场各任务点的分配方式确定 后，由地面控制台发出控制命令，任务机接到新的命令去侦查一些确定位置的点，到达指定 的位置点去执行某项任务。
[0021] 本发明中，由=角形直角边小于斜边原理，设置汇合点P在任务机A、B的连线中点 处，能保证能源的高效利用率，使任务机在偏离理想航路和到达能源补给点P的过程中，所 消耗的能量最小化，最终确定能源补给点P的位置;不计能源补给点处所耗费的时间，则在 一次能源补给完成后，无人机编队重新开始对余下的任务点进行分配，同时寻求下一个能 源补给点，直至完成所有任务点的分配。
[0022] 本发明的无人机任务编队中，任务机A和任务机B为同构的，服务机C与任务机为异 构无人机，异构无人机具有不同的硬件结构和机体构造，针对不同类型任务点执行侦查、访 问、打击等任务;作为能源补给的服务机为高性能、高成本的无人机，飞行速度可W超过3马 赫(无人机的飞行马赫数为无人机的飞行速度与其飞行高度上音速的比值，例如1马赫或IM 即为一倍音速），同时，本方法中的无人机的发动机推重比设定为9(无人机的推重比是指发 动机推力与发动机重量或机体重量之比，它表示发动机或机体单位重量所产生的推力，目 前世界先进发动机的推重比一般在7.5-9.0之间，美国F-119发动机运一数值能达到11.0)， 由此可知，服务机的成本造价相应较高，故W上编队方式能够W较小的作战成本高效地完 成作战任务。任务机A和任务机B在飞往各任务点的过程中，其能耗是受限制的，服务机C为 高性能无人机，故所受能耗限制约束较弱，在执行任务的过程中，其能源足W保证完成任 务。
[0023] 综上所述，本发明设及一种解决多无人机能耗受限任务分配的方法。所述无人机 编队由两架任务机和一架服务机构成，适用于未来空中作战战场W及其他任务分配问题。 通过卫星定位等技术，实时获取无人机和任务点的位置信息;地面控制台接收定位卫星传 回的位置信息；上位机采用改进的遗传算法将各任务点分配给各任务机，在传统的遗传算 法中引入=交换交叉算子，使得到的无人机编队航路最小，且各个任务机的航路尽量均衡； 同时，考虑任务机的能耗约束问题，为使任务机耗费的能源尽量少，在任务机的理想航路基 础上确定任务机的航路汇合点，并由服务机在汇合点提供能源补给。最终得到无人机的完 整航路，完成所有任务点的分配。相较于传统的多无人机任务分配问题，本发明提出了一种 低成本、结构简单的无人机编队方式;其次，本发明在传统的遗传算法中引入=交换交叉算 子，使得到的无人机编队航路尽量小，提高了多无人机系统完成任务的效率，限制每个任务 机访问任务点的完成时间，使多个任务机访问任务点的路航路尽可能均衡，充分利用了多 无人机系统;再次，本发明对于一组能源即将耗尽的无人机编队，引入了能源补给点的设置 方法，对于保证无人机任务分配的顺利完成具有十分重大的意义。
【附图说明】
[0024] 图1是本发明能耗约束下的多无人机任务分配方法通信示意图；
[0025] 图2是本发明能耗约束下的多无人机任务分配流程图；
[0026] 图3是本发明任务机理想航路示意图；
[0027] 图4是本发明能耗约束下的多无人机任务分配航路示意图。
[0028] 具体实施措施
[0029] 为了进一步说明本发明的技术方案，对照附图对本发明进行详细的说明。
[0030] 图1为本发明地面控制台、定位卫星W及无人机编队之间的通信示意图。
[0031] 通过定位卫星获取各无人机、任务点的位置信息，定位卫星将各任务点、无人机位 置信息传回给地面控制台，地面控制台接收、分析并处理运些位置信息，通过改进的遗传算 法得到任务机的任务分配路径，从而得到任务分配的规划航路。
[0032] 图2为本发明能耗约束下的多无人机任务分配方法的流程图，主要包括W下步骤：
[0033] 步骤1:任务分配系统初始化，主要包括上位机初始化、地面控制台初始化、时钟初 始化、无人机编队初始化；
[0034] 步骤1-1:设置无人机编队:A、B、C。其中A、B为任务机，C为服务机。无人机编队在接 收到出发命令前，位于出发点0;
[0035] 步骤1-2:无人机初始化主要包括：巧螺仪初始化、加速度计初始化、磁强计初始 化、气压计初始化、GPS初始化、摄像头初始化、单片机初始化；
[0036] 步骤2:建立地面控制台、定位卫星W及无人机编队之间的通信；
[0037] 步骤3:地面控制台、定位卫星W及无人机编队之间进行信息传递。如图1所示的地 面控制台、定位卫星W及无人机编队之间的通信示意图；
[0038] 步骤3-1:执行前方战场的空中作战任务时，通过卫星定位等技术实时获取各任务 点、无人机的位置信息；
[0039] 步骤3-2:定位卫星将各任务点、无人机位置信息传回给地面控制台；
[0040] 步骤3-3:地面控制台接收、分析并处理传回的位置信息；
[0041] 步骤4:上位机通过改进的遗传算法将各任务点分配给两架任务机，得到任务机理 想航路1〇。
[0042] 步骤4-1:如图3所示任务机理想航路示意图。建立任务点分配模型，其数学模型如 下：
[0043]
[0044]
[0045] 其中，xijk、yk功0-1决策变量：当Xijk=I时，表示任务机k通过弧Q J)，否则Xijk = 0;当yki = 1时，表示任务机ki方问任务点i，否则yki = 0; W0表示无人机编队的出发点0，称为 初始点；点1，…，n表示2架任务机需访问的任务点；(^为任务机经过对应弧段（i，j)所遍历 的距离;tk为第k个任务机飞行完后耗用的时间;Vk为第k个任务机的速度，其中：
[0046] Vi = VA= IM ；
[0047] V2 = VB =IM;
[004引 v3 = vc = 3M;
[0049]其中，IM或1马赫即为1倍音速；
[(K)加 ]目标函数为：
[0051] T=min(max(ti,t2)) (1)
[0052] 其中；
[0化3] (2)
[0化4]
[0化5] (3)
[0化6] (4)
[0化7] (5)
[005引 X=(Xijk)GS (6)
[0059] 在该模型中，式（1)表示两架任务机中，使访问任务点时间最大的任务机用时最小 化;式(2)表示各个任务机访问完所有任务点后耗用的时间；式(3)表示从起始点0(也即出 发点0)出发，所有任务点只被某一个任务机严格访问一次;式(4)表示任一条弧的终点任务 点仅有一个起点任务点与之相连;式(5)表示任一条弧的起点任务点仅有一个终点任务点 与之相连;式(6)表示消去构成不完整线路的解，S为支路消去约束，即消去构成不完整路线 的解。
[0060] 步骤4-2:利用改进的遗传算法将各任务点按照式（1)的优化条件分配给任务机A 和B:采用=交换交叉，染色体编码W及矩阵解码方法，对种群重复地进行选择、交叉、变异 等遗传操作，不断产生出比父代更适应环境的新一代种群。
[0061] 步骤4-2-1:对任务进行遗传编码。任务机A、B进行任务分配，共有N+1个任务点，用 点0表示所有无人机的起始点，点1…N表示2架任务机需要访问的任务点。附加1个虚拟符 号，表示1个虚拟任务点。它们与起始点0具有相同的坐标，即每一次出现虚拟符号就表示任 务机访问起始点0,但是对于任务访问完成的情况下，出现虚拟符号时不返回起始点0。每一 条路线表示某一个任务机的访问航路。为避免出现无意义的子路径，我们假设从任务点0到 任务点0的路程是无穷大。例如，当N=6,即有6个任务点时，染色体代码是0~7,其中"7"为 添加的虚拟符号，2架任务机的任务分配问题，它的一条染色体编码是： 「
[0063] 则该任务机A、B的航路分别表示为：
[0064] 0-1-2-50-4-3-6
[0065] 在算法操作过程中，可能会出现虚拟符号在一条染色体的两端的情况：
[0066]
[0067] 则此时任务机A、B的航路表示为：
[0068] 1-2-5-6-4-30-0
[0069] 从任务点0到任务点0的路程是无穷大，所W目前任务机中的路程最大值为无穷 大。又由于有约束条件航路最大值最小化，所W运样的染色体会被淘汰掉。
[0070] 步骤4-2-2:群体规模选择。合适的群体规模对遗传算法的收敛具有重要意义。群 体太小难W求得满意的结果，群体太大则计算复杂。根据经验，群体规模一般取10~200。 [0071 ]步骤4-2-3:适值函数。由于优化目标为最小化完成时间，令目标函数作指数变换 得到适值函数：
[0072] f = a exp(-bXT) (7)
[0073] 其中：a、b为正实数。
[0074] 步骤4-2-4:选择。采用轮盘赌选择的方法，每一个个体被选择的概率就等于它的 适应值与整个种群中个体适应值和的比例。若某个个体i，其适值为则其被选择的概率 表示为：
[0075]
烤}
[0076] 步骤4-2-5:交叉操作。引入S交换交叉算子使各任务机航路长度的最大值最小 化，从而实现均衡各任务机的航路长度。=交换交叉算子采用3个父代染色体杂交出现1个 子代，该方法增加了父代染色体的数量，保留和放大了子代继承父代优良基因的特性，加快 了算法的捜索速度。W6个任务点的情况为例，来详细地描述=交换交叉算子的交叉过程：
[0077] 6个任务点的非对称距离如下所示，对于任务点距离对称的任务分配此方法仍然 适用。
[0078] 6个任务点之间的距离
[0079]
[0080」随机选挣=个个体进斤=交挟交义：
[0081 ] Q = I 2 5 7 4 3 6
[0082] (6 = 2 7 3 4 1 6 5
[008；3] 丫 =3 6 4 5 7 2 1
[0084] a航路的路程和是23，单个任务机中的最大路程是14;
[0085] 0航路的路程和是27,单个任务机中的最大路程是20;
[0086] 丫航路的路程和是34，单个任务机中的最大路程是20。随机选择起始点为1，使1成 为立个父体的第一个位置。
[0087] Q = I 2 5 7 4 3 6
[0088] (6=1 6 5 2 7 3 4
[0089] 丫 =1 364572
[0090] L=I ***** *
[0091 ]因为d(l ,2)=6,d(l ,6)=4,d(l ,3)=5,所Wd(l ,2)〉d(l ,3)〉d(l ,6),所W
[0092] 口 = 1 6 2 5 7 4 3 [OOW] 0=1 6 5 2 7 3 4
[0094] 丫 =1645723
[00巧]L=I 6 * * * * *
[0096] 由此类推，最后得到的后代是：
[0097] L=I 6 5 2 7 4 3
[0098] L的路程和是20,单个任务机中的最大路程是13,所WL的总路程和W及单个任务 机航路的最大值均小于a, 0和丫。
[0099] 步骤4-2-6:变异操作。本发明中类MTSP多机器人任务分配系统的染色体变异采用 交换变异，即交换两个随机位置上的基因。
[0100] 步骤4-2-7:矩阵解码。6个任务点的作战情况中，其中的一条染色体是：
[0101] Q = I 2 5 7 4 3 6
[0102] 贝1J2架任务机的航路分别是：
[0103] 0-1-2-50-4-3-6
[01 04] 即任务机A的航路为0-1-2-5;任务机B的航路为0-4-3-6。
[01化]建立一个6*6的任务点距离矩阵D，如下所示：
[0106]
[0107] ;，可W得到任务机A、B的可达矩阵XI、拉如下：
[010 引
[0109]
[0110] 每个任务机的可达矩阵乂巧1，拉}与各个任务点构成的距离矩阵D分别进行点乘，得 到的矩阵即为各个任务机飞行路线的距离矩阵I、，最终得到每个任务机的飞行路 线长度。例如，由W上可得任务机A所走路程的距离矩阵为：
[0111]
[0112]
[0113] 所W，可W求得算法分配后的任务机A的航路长度总和Sa=1+6+2 = 9;任务机B的 航路长度总和Sb = 4+7+3 = 14;
[0114] 步骤4-3:设定任务机编队访问完所有任务点后，停留在最后一个任务点，无需返 回出发点，得到如图3所示的任务机理想航路1〇;
[0115] 步骤5:获取能源补给点P的位置，如图4所示的一种能耗约束下的多无人机任务分 配航路示意图；
[0116] 步骤5-1:上位机结合约束条件(任务机的能耗约束条件：Sa= Sb《So, W及能源补 给点位于两架任务机A、B的连线中点处的中点约束条件；
，
摸拟任务机在理想航路Io上飞行，得到第一个能源补给点Po的 位置，如图4中所示能源补给点P;
[0117] 步骤5-2:两个任务机A、BW及服务机C的汇合点为点P，且不计汇合时刻所耗费的 时间，服务机C的飞行航路为从出发点依次前往各能源补给点。并且，对于每一次迭代，系统 判断单个任务机的航路长度是否即将达到航路极限值(单次航路最大值为So),当某一任务 机的航路即将达到极限值时，任务机前往能源补给点。其中，任务机A、B的飞行速度为1M(1M 即为一倍音速），服务机C的飞行速度为3M;迭代周期为200ms;A、B、C的飞行航路长度分别 为:Sa、Sb、Sc;A、B之间的直线距离为Sab;A'、B'为任务机偏离理想航路Io的偏离点；任务机一 次受能耗约束的最大飞行航路长度为S〇;Sa-b-为偏离点A'和B'的直线距离；Sa p为偏离点A' 和汇合点P的直线距离;Sb-P为偏离点B'和汇合点P的直线距离;任务机的能耗约束条件，W 及能源补给点的位置的中点约束条件为：
[011 引
[0119] 由W上约束条件可W得到任务机编队执行任务过程中某一次能源补给点P的位 置；
[0120] 步骤6:无人机编队到达第一个能源补给点后，系统对余下的任务点重新作任务分 配，同时结合约束条件寻求下一个能源补给点。即一直循环运行步骤2、步骤3、步骤4、步骤 5,直至完成所有任务点的分配，最终确定多无人机基于能耗受限的任务分配的航路；
[0121] 步骤7:在所有任务点分配完成后，控制台发出控制命令，无人机编队接收命令，从 0点出发，沿着指定航路前往任务点执行任务。
[0122] 综上，本发明设计了一种优化和均衡无人机编队航路的任务分配方法，得到无人 机的规划航路；同时，考虑了实际应用中的能源补给问题，在任务机访问各任务点的同时， 设置能源补给点求解过程。该方法具有实用性强的优点，适用于其他空中多任务分配的场 合;扩大了多无人机任务分配应用领域，为空中运输及空中战场规划提供了良好的分配方 法D
【主权项】
1. 一种能耗约束下的多无人机任务分配方法，其特征在于:在给定无人机编队、各任务 点以及在任务机能耗约束下，以均衡优化航路同时最小化航路为目标分配任务，为使任务 机耗费的能源尽量少，在任务机的理想航路基础上确定任务机的航路汇合点，并由服务机 在汇合点提供能源补给，最终得到无人机的完整航路，完成所有任务点的分配;具体包括如 下步骤： 步骤1:任务分配系统初始化；主要包括上位机初始化、地面控制台初始化、时钟初始 化、无人机编队初始化;所述无人机编队有至少三架无人机，分别为任务机A、任务机B，为任 务机提供能源的服务机C;设定前方有多个任务点，且任务点数目多于任务机数目，无人机 编队在接收到出发命令前，位于出发点〇待命； 步骤2:建立地面控制台、定位卫星以及无人机编队之间的通信:执行前方任务时，通过 卫星定位技术实时获得各任务点、无人机的位置信息； 步骤3:定位卫星实时将无人机及前方各任务点的位置信息传回给地面控制台，地面控 制台实时接收、分析并处理这些位置信息； 步骤4:上位机通过改进的遗传算法，引入三交换交叉算子将各任务点分配给各任务 机，得到理想航路1〇,即任务机不受能耗约束的航路;建立任务点分配模型为类MTSP模型， 即为旅行商无返回的类MTSP模型； 步骤5:获取能源补给点P的位置:上位机结合约束条件模拟任务机在初步的理想航路1〇 上飞行，得到第一个能源补给点P〇的位置； 步骤6:设定无人机编队到达第一个能源补给点P〇后，任务分配系统对余下的任务点重 新作任务分配，同时寻求下一个能源补给点，即一直循环运行步骤2、步骤3、步骤4、步骤5， 直至完成所有任务点的分配； 步骤7:在所有任务点分配完成后，控制台发出控制命令，无人机编队接收命令，从0点 出发，沿着指定的规划航路前往各任务点执行分配的任务。2. 根据权利要求1所述的能耗约束下的多无人机任务分配方法，其特征在于:任务机A 和任务机B为同构无人机，服务机C与任务机为异构无人机，且服务机C能耗限制足以保证完 成所有任务，任务机A和任务机B能耗受限需在飞行过程中进行能源补充。3. 根据权利要求1所述的能耗约束下的多无人机任务分配方法，其特征在于:所述能源 补给点P是任务机能量耗尽的汇合点，也是服务机C与任务机A、任务机B的汇合点;且不计汇 合时刻所耗费的时间，服务机C的飞行航路为从出发点依次前往各能源补给点;在每一个迭 代周期内判断各任务机是否需要进行能源补给，能源补给点P位于某一时刻任务机A和B的 连线中点处，当一队编队到达能源补给点P时，任务机A、任务机B的能源已经耗尽，服务机C 的飞行路线为由出发点〇到能源补给点P的直线路径。4. 根据权利要求1所述的能耗约束下的多无人机任务分配方法，其特征在于:单个任务 机的航路长度即将达到航路极限值时，该任务机前往能源补给点。5. 根据权利要求1所述的能耗约束下的多无人机任务分配方法，其特征在于：步骤4中 设定任务机编队访问完所有任务点后，停留在最后一个任务点，无需返回出发点，得到任务 机初步的不受能耗约束的航路1〇,也即理想航路1〇。
【文档编号】G05D1/10GK106020230SQ201610341065
【公开日】2016年10月12日
【申请日】2016年5月20日
【发明人】吴怀宇, 鲍逸群, 陈洋, 陈鹏震, 钟锐
【申请人】武汉科技大学