一种基于混合进化算法的大规模空地协同路径规划方法

本发明涉及位置与航道控制，尤其涉及一种基于混合进化算法的大规模空地协同路径规划方法。

背景技术：

1、近年来，随着社会经济的高速发展，各个领域对无人机的需求与日俱增。尤其是电商行业的迅速发展，人们对物流服务有着越来越高的要求与期待。而新冠疫情的冲击，使得社区团购、线上买菜等多种多样的购物形式不多涌现，更是加强了人们对高服务高效率的物流配送的期待。

2、相比于传统的运输车配送，无人机在配送速度和道路选择方面具有显著优势，但是其缺点也同样不可忽略。例如无人机的载荷量太小，续航里程不足，这使得无人机很难独立完成整个配送流程。而若将无人机和运输车协同配合，两者的优势互补，可以极大提高配送效率，提升物流的服务水平。然而，现有的运输车和无人机调度问题主要是针对单车单机模型、单车多机模型，关于多车多机模型研究较少，而多车多机模型无疑更适用于未来的实际应用当中。此外，现有算法大多未考虑无人机可以连续服务多个用户点并且可以降落在不同运输车上等情况。因此，一种能协同多辆运输车和多架无人机的路径规划方法将会发挥不可估量的作用。但是，物流配送中的多辆运输车多辆无人机路径规划问题具有求解规模大、约束条件多，求解难度指数增长等困难。在现实场景中，需要在尽可能短的时间内完成整个物流配送过程。同时，还需要考虑无人机的续航里程、运输车回收无人机等多重约束，因此该问题为一个组合优化的问题。

3、综上，目前的运输车和无人机调度问题主要是针对单车单机模型、单车多机模型，其配送效率有限，且未考虑无人机可以连续服务多个用户点并且可以降落在不同运输车上，存在配送成本高、配送效率低的问题。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种基于混合进化算法的大规模空地协同路径规划方法，用以解决现有技术中存在的配送成本高、配送效率低等问题。

2、本发明的目的主要是通过以下技术方案实现的：

3、本发明实施例提供了一种基于混合进化算法的大规模空地协同路径规划方法，包括如下步骤：

4、获取包括仓库位置信息、若干用户位置信息、运输车数量、无人机数量和单架无人机的最大飞行时间在内的实际配送信息；

5、根据实际配送信息，获得问题场景的描述信息；

6、基于所述描述信息，构建包括有向图、目标函数、约束条件和路径编码的多运输车多无人机物流配送路径规划模型；

7、基于混合进化算法，对多运输车多无人机物流配送路径规划模型进行求解，获得所述运输车和无人机的路径规划方案。

8、进一步地，所述描述信息包括运输车和无人机的功能描述信息以及无人机的最大飞行时间的描述信息；所述根据实际配送信息，获得问题场景的描述信息，包括：

9、基于所述运输车和无人机的功能分别获得所述运输车和无人机的功能描述信息；其中，所述运输车的功能包括负责配送、给无人机充电、给无人机提供货物，以及仅允许离开、返回仓库一次，所述无人机的功能包括负责配送，在不同运输车中的至少一个上或仓库起飞降落，无人机一次起飞后能够连续对不同位置的多个用户中的至少一个进行配送；

10、基于无人机的电池容量获得无人机最大飞行时间的描述信息。

11、进一步地，所述有向图和目标函数，包括：

12、所述有向图g＝<v,e>，v代表节点，e代表弧；

13、节点v包括一个仓库点和多个用户点；其中，

14、通过用户点集来表示多个用户点，记作c0＝{1,2,3,4,…,c}；

15、通过起点{0}和终点{c+1}来表示仓库点；

16、定义包含起点的节点集为第一节点集，记作c1＝c0∪{0}；定义包含终点的节点集为第二节点集，记作c2＝c0∪{c+1}；

17、所述目标函数为最小化总配送时间，所述目标函数f的表达式为：

18、

19、其中，为第k辆运输车回到仓库点的时间，为第d架无人机回到仓库点的时间，k为运输车集，d为无人机集。

20、进一步地，所述约束条件包括：服务路径限制条件、无人机服务限制条件、运输车服务限制条件、无人机运输车交互限制条件和防止子环路限制条件；其中，

21、所述服务路径限制条件，表示为：

22、

23、

24、

25、

26、其中，n表示无人机架数；xijk为0-1变量，若其值为1，则表示第k辆运输车独立经过弧ij，否则为0；yijd为0-1变量，若其值为1，则表示第d架无人机经过弧ij，否则为0；k为运输车集，d为无人机集；

27、所述无人机服务限制条件，表示为：

28、

29、

30、其中，表示无人机从节点i到节点j所需要的时间，m是一个没有物理意义的极大数，l为无人机最大续航时间；

31、所述运输车服务限制条件，表示为：

32、

33、其中，表示运输车从节点j到节点j所需要的时间；

34、所述无人机运输车交互限制条件，表示为：

35、

36、

37、

38、

39、所述防止子环路限制条件，表示为：

40、

41、

42、其中，ui和pij均为模型的决策变量；ui为节点i被访问的顺序,以消除子环路，而pij为0-1变量，若其值为1，则表示在运输车路径中，节点i比节点j先访问。

43、进一步地，所述路径编码，包括总路径编码、运输车路径编码和无人机路径编码；其中，

44、共有m辆运输车，n架无人机；

45、在总路径编码中起点为0，终点为c+1，其余各点为用户点；

46、在运输车路径编码中，总共有m组以0和c+1为两端的片段，分别表示m辆运输车的路径，其中，每组0和c+1之间的的数值，为用户点；

47、在无人机路径编码中，无人机起飞点、服务的用户点、降落点均为总路径编码中的相对位置，而-1为一级区分符，用以区分不同无人机；-2为二级区分符，用以区分同一无人机的不同行程编码。

48、进一步地，基于混合进化算法，对多运输车多无人机物流配送路径规划模型进行求解，获得解决方案，包括：

49、对所述多运输车多无人机物流配送路径规划模型进行初始化；

50、计算模型的当代所有可行解，并计算当代所有可行解的个体适应度，记录当前的最优解；

51、对可行解进行选择，获得选中个体；再对选中个体进行顺序交叉，获得交叉个体，即当前解；

52、对交叉个体进行变异，获得并判断是否接受新解，若接受新解则先更新最优解和当前解，再判断该温度下的最优解是否达到稳定，若不接受新解则直接判断该温度下的最优解是否达到稳定；若稳定则进入外循环，否则继续内循环；

53、进入外循环，若满足当前温度达到终止温度，则变异结束，更新解空间，再次计算获得新的个体适应度；否则继续内循环；

54、获得新的个体适应度，判断是否达到最大迭代次数，若达到则生成解决方案；否则再次进入选择、顺序交叉和变异。

55、进一步地，计算模型的当代所有可行解，并计算当代所有可行解的个体适应度，记录当前的最优解，包括：

56、判断个体是否满足约束条件，满足约束条件则为可行解；

57、获得当代所有可行解，然后对当代所有可行解进行适应度f的计算，获得当代所有可行解的适应度，适应度的计算公式为：

58、f＝e-af

59、其中，a为问题规模常数；f为目标函数；

60、记录并保存当前适应度最大的解，即最优解sbest。

61、进一步地，对可行解进行选择，获得选中个体，包括：

62、采用轮盘赌选择算子，通过以下方式对可行解进行选择，获得选中个体：

63、基于当代所有可行解的适应度，求出每个可行解的选择概率和累计概率；第i个可行解的适应度为fi，则第i个可行解的选择概率为第i个可行解的累计概率为其中，popsize为种群规模；

64、生成popsize个0～1之间的随机数r；若r<q1，则选择第1个可行解；否则选择第i个可行解，使得qi-1<r≤qi；将选择的可行解作为选中个体。

65、进一步地，对选中个体进行顺序交叉，获得交叉个体，即当前解，包括：

66、采用顺序交叉算子，通过以下方式对选中个体进行交叉，获得交叉个体，即当前解snow：

67、根据交叉概率系数pc选择父代个体，在两个选中个体的总路径编码中，任意选择一段连续的片段进行交换，剩余基因按照所在个体的原先顺序依次排列，获得交叉个体，即当前解snow。

68、进一步地，对交叉个体进行变异，获得并判断是否接受新解，包括：

69、根据变异概率系数pm判断交叉个体，即当前解snow是否变异；在判断过程中，生成0～1之间的随机数r'，若r'<pm，则通过以下方式对当前解使用模拟退火变异：

70、首先，对初始温度t0和外循环次数k’进行初始化，令t0＝t，t是设置的初始温度；k’＝0；

71、其次，利用swap算子,droneinsertion算子和truckinsertion算子对当前解snow使用局部搜索进行扰动，分别记录swap算子的可行最优解s1、droneinsertion算子的可行最优解s2和truckinsertion算子的可行最优解s3；

72、然后，选择s1,s2,s3中适应度最大的解作为新解snew；其中，

73、新解的接受准则基于metropolis准则，通过以下方式计算新解的接受概率ptk’：

74、

75、其中，tk’为当前温度，计算公式为k’为外循环次数；

76、最后，生成0～1之间的随机数r”，若r”小于接受概率，则接受新解，并且更新当前解snow和最优解sbest，即令snow＝snew，sbest＝snew；否则不接受新解。

77、与现有技术相比，本发明至少可实现如下有益效果之一：

78、1、本发明通过构建模型，设计算法，解决了物流配送中的多辆运输车多架无人机路径规划问题，降低了配送成本、提高了配送效率。

79、2、本发明实现了多辆运输车多架无人机在物流配送中，无人机可以连续服务多个用户点并且可以降落在不同运输车上，有利于实际物流中配送方案的灵活性。

80、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。