，…，R-l}_Bk表示无人机k下一步允许选择的点的集合，随 时间呈动态变化，Bk (k = 1，2,…，m)为第k架无人机的禁忌表，用来记录无人机k已服务过 的点；奶j(0为启发式因子，表示t时刻由节点i到节点j的期望程度，一般取奶j(t) = l//ij; Φ为信息启发式因子，μ为期望启发因子；a (i，j)为下一个目的地的时间度；δ为下一个 目的地的时间度相对重要性；
[0039] 更新模块4 :引入优化变量⑴，其满足(t+Ι) = σ X(t) [l-Χ^⑴]，其中σ 为控制变量，得出优化的跟踪素更新规则：
Fk为第k架 无人机在本次循环中所走路径长度，I为跟踪素强度的常数，a 表示在本次循环中第 k架无人机在路径（i，j)上留下的跟踪素强度；ζ为跟踪素全局挥发因子，ζ e [0，1]，且 ζ为根据如下公式动态调整的参数：
其中ζ _是人 为设定的最小值；Α γ ^ (t)表示本次循环中所有无人机在路径（i，j)上留下的跟踪素强度 的总和；Η为可调节系数；
[0043] 零点模块5:令迭代次数DD = 0,进行参数初始化，调整各路径跟踪素；产 生一个范围为[0,1]的随机数Ρ，若Ρ <给定常数Ρ。，按照下式选择下一个节点j : j = arg Ψ X [φ(?,Γ)]μ X _，.其中 1 e Ak;否则根据概率模块 3 中的概 率公式选择下一个节点j，将j加入数组氏中，重复直至所有的节点任务完成，得到模拟算 法的初始集s1;
[0044] 求解模块6 :从当前的初始集中生成一组新的可行解$，目标值变化量AS = Sj-Si，若AS < 0,则接受新的可行解$为最优解；否则考虑偏差的影响：r = exp(-AS/ N(t))，其中N为随时间变化的量，若r > 1，则接受$为最优解，否则不接受新的可行解，最 优解仍为S1;
[0045] 选择模块7 :当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表氏中 无数据更新，贝丨』产生一个[0, 1]范围的随机数11，若ei+ej,…，e; iC u < e #；；+，…，e;，则 选择概率为^的候选无人机作为下一个目标节点；
[0046] 生成模块8 :用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD < DD_，根 据跟踪素更新规则，按照公式N(t+1) =N(t).v进行清空氏列表，其中ve [0，1]，回到零 点模块5,重新产生随机数p ;若DD = DD_，则输出最优解作为最优路径。
[0047] 本发明采用优化的路径算法，考虑了无人机运行过程中的各种成本因素，寻优效 果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省运输的运行成本，能 起到很好的节能效果。
[0048] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种小型运输无人机，其特征是，包括无人机和安装在无人机上的导航仪；导航仪 具体包括信号模块、处理模块和生成模块； 信号模块，用于接收用户输入的本轮次的多个运输目的地以及到达各个目的地的预计 要求时间； 处理模块，用于根据本轮次的运输目的地和事先输入的地理环境信息选择最优路径， 具体包括： 建立模块：其中，mins为运输过程中的最低成本;m为当前无人机的总数；U为目的地数量；b。为单 位距离碳排放成本；ω。为碳排放系数；Φ。为空载时单位距离燃料消耗量；f、,为目的地i (i =1，2,…，U)到目的地j (j = 1，2,…，U)之间的距离；c为无人机的载重量；H为无人机的 最大载重量；Φ#为满载时单位距离燃料消耗量；T1为无人机提前到达损失系 数，：为于时刻G提前到达目的地i时的成本损失，T2为无人机迟到损失系 数，：为延迟至时刻〇到达目的地i时的成本损失，提前到达损失系数和迟到 损失系数用于考量无人机到达每一个目的地的准点情况，！\和T 2为人为设定的系数； 概率模块：假设共有R个节点，γ ^ (t)表示t时刻节点i与节点j之间的跟踪素强度， γ ^ (O) = K (K为数值较小的常数），无人机在运动过程中根据跟踪素强度选择转移方向，则 无人机k (k = 1，2,. . .，m)从节点i转移到节点j的概率为：其中，g e Ak;A k= {0, 1，…，R-l}-B k表示无人机k下一步允许选择的点的集合，随时 间呈动态变化，Bk (k = 1，2,…，m)为第k架无人机的禁忌表，用来记录无人机k已服务过的 点；奶j(t)为启发式因子，表示t时刻由节点i到节点j的期望程度，一般取：Φ为信息启发式因子，μ为期望启发因子；a (i，j)为下一个目的地的时间度；&为下一个 目的地的时间度相对重要性； 更新模块：引入优化变量X1, (t)，其满足，其中。为控制 变量，得出优化的跟踪素更新规则：IFk为第k架无人机 在本次循环中所走路径长度，I为跟踪素强度的常数，i表示在本次循环中第k架无 人机在路径（i，j)上留下的跟踪素强度；ζ为跟踪素全局挥发因子，ζ e [〇, 1]，且ζ为 根据如下公式动态调整的参数：其中ζ _是人为设 定的最小值；A γ ^ (t)表示本次循环中所有无人机在路径（i，j)上留下的跟踪素强度的总 和；H为可调节系数； 零点模块：令迭代次数DD = 0,进行参数初始化，调整各路径跟踪素；产生 一个范围为[0,1]的随机数P，若P <给定常数P。，按照下式选择下一个节点j :.其中I e Ak;否则根据概率模块中的概率 公式选择下一个节点j，将j加入数组氏中，重复直至所有的节点任务完成，得到模拟算法 的初始集S1; 求解模块：从当前的初始集中生成一组新的可行解Sj,目标值变化量AS = A S < 0,则接受新的可行解Sj为最优解；否则考虑偏差的影响：r = exp (- △ S/N(t))，其中 N为随时间变化的量，若r > I，则接受1为最优解，否则不接受新的可行解，最优解仍为S 1; 选择模块：当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表Bk中无数 据更新，贝1J产生一个[〇, 1]范围的随机数11，若efe；；+，…，e; iC u < e Je2+,…，e;，则选择 概率为^的候选无人机作为下一个目标节点； 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD < DDniax，根据跟 踪素更新规则，按照公式N(t+1) =N(t).v进行清空氏列表，其中ve [〇，1]，回到零点模 块，重新产生随机数P ;若DD = DDniax，则输出最优解作为最优路径。
【专利摘要】一种小型运输无人机，包括无人机和安装在无人机上的导航仪；导航仪具体包括信号模块、处理模块和生成模块。本发明采用优化的路径算法，考虑了无人机运行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省运输的运行成本，能起到很好的节能效果。
【IPC分类】G01C21/20
【公开号】CN105352511
【申请号】CN201510867603
【发明人】黎海纤
【申请人】黎海纤
【公开日】2016年2月24日
【申请日】2015年12月1日