[发明专利]一种基于蚁群-遗传融合算法的直升机调度航线规划方法

权利要求书

1.一种基于蚁群-遗传融合算法的直升机调度航线规划方法，其特征在于：包括如下步骤：

S1、根据各作业区域的地形特点，在二维地图上作各作业区域的内切圆，并确定内切圆圆心的经纬度信息；

S2、采用整数编码的方式，对各个作业区域内切圆圆心进行编码，明确作业区域数量；

S3、用内切圆圆心表示该内切圆圆心所处的作业区域，根据内切圆圆心的坐标信息，通过若干个内切圆圆心的相对位置，绘制调度航线航空图；

S4、初始化蚁群迭代算法各参数，区域数量C，蚂蚁数目m，信息启发式因子a，期望启发式因子b，信息挥发系数p，最大循环次数Ncmax，时间t，循环次数Nc，每条航线(i，j)的初始化信息量τij(t)＝0，初始时刻Δτ(0)＝0，禁忌表allowed_k＝{c-tabu_k}，即蚂蚁下一步被允许访问的施药区域集合；

S5、为每只蚂蚁设置一张调度航线航空图，将m只蚂蚁分别随机放在每张航空图作业区域圆心上；

S6、设置其中的一个蚂蚁编号为k，即第k只蚂蚁，初始值k＝1；

S7、第k只蚂蚁按照选择概率式选择下一个区域；

S8、更新该蚂蚁的禁忌表tabu_k，把第k只蚂蚁刚访问过的区域加入禁忌表中，为了防止蚂蚁选择已经访问过的区域，采用禁忌表tabu_k来记录蚂蚁k当前所走过的区域；

S9、通过信息素更新规则，更新第k只蚂蚁刚访问过的航线上的信息素；

S10、判断k是否大于蚂蚁个数m，若大于，则表示所有蚂蚁均遍历所有区域，并且循环次数加1，即Nc←Nc+1，再执行第S11步；否则将蚂蚁数目加1，即k←k+1，再跳转到第S9步；

S11、判断循环次数Nc是否达到最大循环次数Ncmax，若达到则循环结束并输出运行结果，得到调度航线解集Gather1；否则更新每张调度航线航空的上信息素：每张调度航线航空通过累加其他地图上各航线的信息素方式，更新每张调度航线航空的上信息素，更新完成后，清空禁忌表，并跳转到第S5步；

S12、把第一阶蚁群迭代算法输出航线解集Gather1作为第二阶动态遗传算法的初始调度航线解集Gather2；

S13、设置第二阶动态遗传算法种群大小、迭代次数、变异概率、最小进化率、最小进化率连续迭代次数，第二阶算法最大迭代次数GENMAX2，并将迭代次数初值置1，即gen2＝1；

S14、采用二进制编码的方式，初始化航线解集Gather2；

S15、结合每一作业区域的作业起点和终点，计算第二阶算法的适应度值；

S16、将航线解集Gather2中的所有航线根据适应度大小进行排序，并以中位数为节点，将数值集合Gather2划分为相等的上下两部分，挑选出航线解集Gather2中适应度较大的那部分航线进行下一步操作；

S17、对挑选出航线的动态交叉概率进行计算，并根据动态交叉概率进行交叉操作和变异操作，得到新航线集Gather3，并将新航线集Gather3的数据赋予解集Gather2，并且迭代次数加1，即(gen2)←(gen2)+1；

S18、检查迭代次数(gen2)是否达到最大值GENMAX2，达到以后则输出航线解集Gather2中航线最短的调度航线，该航线为规划的最优航线，即多区域航线调度规划的最佳调度方案，否则执行S19；

S19、判断新航线解集迭代的进化率是否连续多次都小于预设的最小进化率，如果都小于，则输出新航线解集中航线最短的调度航线为最优航线，否则执行步骤S15。