[发明专利]基于多智能体遗传算法的灾害救援救护车路径规划方法

权利要求书

1.一种基于多智能体遗传算法的灾害救援救护车路径规划方法，其特征在于，涉及到救护车、轻重程度不同的病人、医院、救护车救援时间、救护车路径的规划与选定，包括有如下步骤：

(1)针对救护车路径规划进行设定：

(1a)标记设定：采用红色标记标记重伤病人，采用绿色标记标记轻伤病人；

(1b)救护车救援时间的设定：

到达时间是指救护车从医院到达灾害地点的时间；

服务时间是救护车从医院出发接到病人，并将病人送达目的地的时间；

最迟服务时间为从医院出发对所有病人救护完成的时间，起点为医院，终点完成所有病人的救助；

(1c)用多智能体遗传算法进行救护车路径规划参数设定，包括有：

多智能体遗传算法参数设置：具体包括智能体网格L，迭代次数G，交叉概率Pc和变异概率Pm；

救护车参数设置：救护车数目在大中小规模中分别为6、6、3；救护车在医院放下病人的时间；救护车对病人的急救时间；

病人参数设置，病人总数为n，在大中小规模中分别为50、25、10，病人地点；

其他参数设置：医院地点、医院总数、红绿标记病人的权重系数，等；

(2)采用多智能体遗传算法产生初始的救护车路径规划方案：

(2a)通过编码初始化救护车的路径：编码产生初始的救护车路径，救护车规划方案的智能体中包含有一种初始路径方案序列、初始路径方案目标函数值和智能体在智能体网格中的位置信息；一种初始路径方案序列包含有多条救护车路径，所有的初始路径方案序列随机生成，不需要任何的额外的约束；

(2b)计算救护车路径的目标函数值：对每种初始路径方案序列，采用适应度函数公式得到初始路径方案序列的目标函数值，根据目标函数值选取花费时间最短的救护车路径规划方案，得到初始的全局最优的路径方案；

(3)采用遗传算子在原来输入的基础上产生新的路径规划方案：

(3a)交叉算子：随机生成0和1之间的随机数，如果该数小于交叉概率Pc，对智能体网格中一种救护车路径方案则执行交叉算子；采用一点交叉，选取该个体邻域中最优秀的智能体，也就是该智能体的邻域中最优秀的路径和该路径进行一点交叉，尽可能保留优秀的基因信息，并采用适应度函数计算其适应度值；

(3b)变异算子：随机生成0和1之间的随机数，如果该数小于变异概率Pm，对智能体网格中救护车路径则执行变异算子；采用基于中心位置的变异的方法：在一种救护车路径方案序列上随机选择两个等位基因点也就是标记点或者救护车的起始地点，交换两个基因值形成新的染色体，两个等位基因点的位置和为染色体的长度，并采用适应度函数计算其适应度值；

(4)通过迭代在智能体网格中寻找当代最优的路径方案和全局最优的路径方案：采用适应度函数计算每个路径方案的加权和，选取当代最优路径方案；采用局部搜索算子继续优化当代最优路径方案；与当代最优路径方案进行对比寻找全局最优路径方案；如果满足终止条件，则执行步骤(5)，否则执行步骤(3)进行新一轮的迭代优化；

(5)输出本次寻找到的全局的最优的灾害救援救护车的路径规划方法。

2.根据权利要求1所述的基于多智能体遗传算法的灾害救援救护车路径规划方法，其特征在于，步骤(2a)中所述的通过编码初始化救护车的路径，包括有如下步骤：

(2a-1)智能体的基础规定：救护车初始规划方案的智能体网格L的种群规模为L_size×L_size，智能体网格中的每个格点代表一个智能体，智能体不能进行移动，且只可以感知其邻域的信息；一个智能体包含有一种路径方案序列，智能体网格中的每个路径方案序列是一条染色体，染色体仅是一种救护车的路径规划方案序列；

(2a-2)染色体中的路径信息：每条染色体是一组从0到m+n–1的互不重合的序列；其中救护车的位置信息是从0到m–1，代表救护车的起始位置，到下一辆救护车的标记点或者染色体结束为止就是该救护车的路径；染色体的第一位基因的值小于m，m为救护车数目，即所有救护车路径必须以救护车的地点为起点；红色标记病人的位置信息：从m到m+r–1代表是红色标记病人，r是红色标记病人总数，碰到红色标记病人需要返回医院，然后从医院出发赶往下一个标记点；绿色标记病人的位置信息：从m+r到m+r+g–1代表绿色标记病人，g为绿色标记病人总数，碰到绿色标记病人可以直接在原地对其进行急救后赶往下一个标记点。