[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

说明书

本发明公开了一种基于蚁群‑遗传融合算法的直升机调度航线规划方法，采用蚁群迭代算法与动态遗传算法串行融合的方式规划调度航线，可提升搜索速度，在对多区域调度航线规划时，可较快得出最优航线，适用于较为复杂的调度航线规划。第一阶蚁群迭代算法采用最大‑最小蚂蚁系统和精英蚂蚁系统的算法对传统蚁群算法进行优化，提高算法的搜索效率。第二阶动态遗传算法结合第一阶算法得出的解集，增加各区域起始点与终止点，实现在最短航线的基础上，细化到作业区域的起始点与终止点，从而得到最短区域间调度路径。本发明可缩短调度航程。飞行员可节约工作时间，提高作业效率，减小能耗，节约了成本。方法简单实用，适应性较好。

技术领域

本发明涉及农林航空领域，尤其涉及一种基于蚁群-遗传融合算法的直升机调度航线规划方法。

背景技术

我国农林区地形非常复杂，既有集中的大面积区域，也有相互独立的小面积区域。在航空作业过程中，常出现作业区域为多个分散的区域，因此对多区域的调度航线规划尤为重要。目前国内外对航空作业多区域调度航线的研究较少，难以满足我国农林航空多区域植保作业的需求，影响农林作物产量，制约我国农业经济的发展。

发明内容

本发明的目的是针对现有技术的不足，提供一种操作简单、提高效率的基于蚁群-遗传融合算法的直升机调度航线规划方法。该方法可直升机在多区域作业时实现调度航线最短，进而节约作业时间，提高施药效率。

为了实现上述目的，本发明的技术方案是：

一种基于蚁群-遗传融合算法的直升机调度航线规划方法，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；