[发明专利]一种车辆-无人机多目标协同路径规划方法

权利要求书

1.一种车辆-无人机多目标协同路径规划方法，其特征在于，包括以下步骤：

获取所有的客户点的集合C，无人机数量m，种群规模n；

生成一个规模为n的初始种群P₁，集合PF和概率参数；

开始迭代优化：在每次迭代中，基于遗传算子生成子代种群Q_t，并将其和父代种群P_t合并；使用扰动策略合并种群R_t中重复的解；执行NSGA-II算法中的非支配排序；使用帕累托前沿更新算法更新帕累托前沿集合PF，并在随机生成数小于所述概率参数时对PF中的解进行帕累托局部搜索，使用帕累托局部搜索后的PF替换F₁，将找到的更好的解保留到下一代；执行NSGA-II算法中的拥挤度计算，排挤策略；从R_t中选择合适的解进入下一代种群P_t+1；迭代直到达到预定的迭代次数，并返回最终的帕累托前沿；

将从最终的帕累托前沿得到的路径规划方案发送给车辆和无人机；

其中，使用启发式邻域结构来构造多模态变异算子，改变分配给车辆和无人机的客户节点；启发式邻域结构包括Truck-to-drone，Drone-to-truck和Swap邻域结构，三种领域结构调用概率相同，突变时只选择其中的一种邻域结构来实现染色体的变异；所述多模态变异算子的步骤如下：如果染色体第1部分的长度小于LTL，则考虑优先调用Drone-to-truck或Swap邻域结构；如果染色体第3部分的长度小于无人机的数量，则优先选择调用Truck-to-drone或Swap邻域结构，否则，选择Truck-to-drone，Drone-to-truck和Swap邻域结构中的一个；

重复解消除方法的步骤为：在合并种群R_t中，一旦发现重复的解，则生成一个随机数，如果所述随机数小于重启率α，则调用多模态变异策略来对该解进行扰动；否则调用初始解生成方法生成初始解。

2.根据权利要求1所述的车辆-无人机多目标协同路径规划方法，其特征在于，所述帕累托前沿更新算法将帕累托前沿F₁中的每个解p_i与集合PF中的解进行比较，如果PF中的所有解都不能支配p_i，并且p_i对于PF来说是新的解，则将p_i添加到PF中，并将PF中所有由p_i支配的解删除。

3.根据权利要求1所述的车辆-无人机多目标协同路径规划方法，其特征在于，初始种群中的初始解生成算法的步骤如下：

初始化空集P和阈值LTL；

在每次循环中，定义一个空的集合P_a；将所有客户点随机分为由车辆服务的客户点C_t，和由无人机服务的客户点C_d；将C_d赋值给C_d′；

对于C_t中的节点，从仓库开始，依次从未访问的客户点中选择下一个最近的符合时间窗约束的客户点，直到所有节点被访问后停止迭代；

C_d中的客户点通过基于贪婪的方法进行分配：在每次迭代中，首先将无人机d所能服务的客户点的可行的路径方案存储在P_d中，如果P_d不为空，则将P_d中成本最低的路径方案＜i′，j′，k′，d＞从P_d中移动到P_a中，之后，将j′从C′_d中删除；如果C_d中的所有节点被分配完毕，则停止迭代；否则，从C_d中删除所有与C′_d中相同的客户点，且将所有被删除的客户点添加至C_t；

将C_t中的所有客户点重新排序；

根据所有客户点的分配结果构建解p，并将其保存到P。