[发明专利]一种车辆-无人机多目标协同路径规划方法

说明书

本发明公开了一种车辆‑无人机多目标协同路径规划方法，包括以下步骤：获取所有的客户点的集合，无人机数量；生成初始种群，集合PF和概率参数；开始迭代优化：每次迭代中，基于遗传算子生成子代种群，并将其和父代种群合并；使用扰动策略合并种群中重复的解；执行非支配排序；更新帕累托前沿，并对PF中的解进行帕累托局部搜索，将搜索后的PF替换帕累托前沿；执行拥挤度计算和排挤策略；选择合适的解进入下一代种群；迭代直到返回最终的帕累托前沿；将路径规划方案发送给车辆和无人机。实验结果证明本发明性能优越性和参数敏感性。为物流企业的决策提供了一种寻找最优折衷方案的方法。

技术领域

本发明属于物流配送技术领域，尤其涉及一种车辆-无人机多目标协同路 径规划方法。

背景技术

近年来，小型无人机已被广泛应用于快递配送服务。无人机的飞行速度比 车辆快，而且不受道路条件的限制，可以大大减少配送包裹的成本和时间。然 而，无人机存在一些缺点，如较短的飞行距离和有限的容量等。车辆-无人机协 同配送系统结合了无人机和车辆的优点。在该系统中，当一辆车辆在不同客户 节点之间行驶时，从车辆上发射的无人机可以同时为附近的客户节点提供服务。 特别是一些由于道路状况(如交通拥堵)无法被车辆服务的客户节点，无人机 可以有效地为其提供服务。同时，车辆可以为无人机提供新的包裹和电池，保 障无人机的续航和配送能力。虽然一些公司如UPS和亚马逊，自2017年以来 已经开始测试车辆-无人机配送系统，但该系统在广泛应用前仍存在许多挑战。 其中最关键的问题之一是无人机和车辆的协同路径规划问题。

无人机和车辆的协同路径规划问题属于NP-hard问题，因此随着无人机和 车辆数量的增加，求解该类问题的难度呈指数增加。关于多目标优化问题的研 究很少。由于协同车辆路径问题属于NP难问题，考虑多目标和多无人机显著 增加了求解已经很难解决的问题的复杂性。因此，解决多无人机、复杂约束条 件下的多目标协同路径规划问题仍然具有挑战性。

发明内容

本发明研究了无人机和车辆的协同路径规划问题。该问题中，每个配送单 元(车辆或无人机)都能在具有给定容差的最早和最晚时间之后和之前为客户 服务。此外，由于违反时间窗约束可能影响客户满意度，我们考虑同时优化两 个目标(即，最小化无人机和车辆的路由成本，并最大化客户满意度)。总的 来说，我们把这个问题称为考虑弹性时间窗和多无人机的多目标旅行商问题 (multi-objective traveling salesman problem withflexible time windows and multiple drones，MO-TSPFTW-mD)。

然而，在求解MO-TSPFTW-mD时，两个优化目标会发生冲突。为了解决 多目标优化问题，传统方法通过聚合所有目标函数(如加权和方法)，将问题 转化成单目标优化问题来进行求解。然而，一旦将多目标优化问题转化为单目 标优化问题，每次优化只能得到一个解，决策者很难根据实际情况设计方案。 同时，如何衡量顾客满意度、量化成本与顾客满意度的相对权重，仍然是一个 有待研究的课题。在这种情况下，采用多目标优化算法能够为决策者提供一系 列解决方案以供选择。

为了在成本和顾客满意度之间找到折衷的解决方案，本发明提出了一种混 合多目标优化方法，它结合了基于种群的多目标优化算法和帕累托局部搜索算 法(Paretolocal search，PLS)来求解MO-TSPFTW-mD，考虑了存在弹性时间 窗口的情况，实现了运输成本和顾客满意度的同时优化。算法内容包括面向具 体问题的解的表示、遗传算子以及结合问题特性的启发式邻域策略的改进帕累 托搜索。同时，采用自适应策略来平衡种群的多样性和收敛性。

本发明公开的车辆-无人机多目标协同路径规划方法，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；