[发明专利]一种基于群体智能优化的无人机路径规划方法

权利要求书

1.一种基于群体智能优化的无人机路径规划方法，其特征在于，所述方法包括：

建立无人机路径规划问题的有向图以及形式化表示；

确定无人机路径规划问题的约束条件；

确定无人机路径规划问题的多目标函数；

利用Zoutendijk法对多目标函数进行求解，得到无人机的规划路径；

所述建立无人机路径规划的有向图，包括：

1)C＝{c₀，c₁，...，c_i，...，c_n}表示有向带权图中的顶点集，当i＝0，c₀表示有向带权图的根，即为无人机基地，当i∈[1，n]，c_i表示用户或无人机目标物体，n表示用户或无人机目标物体的数量；

2)E＝{c_i，c_j|c_i，c_j∈C，i≠j}表示有向带权图的边集，每条边c_i，c_j由c_i到c_j之间距离为c_i和c_j之间的欧几里得距离d_ij，且d_ij＝d_ji；

3)对于无人机基地c₀，c₀＝{e₀，h₀}，其中e₀表示任何一架无人机最早可以被派遣的时间，h₀表示任何一架无人机最晚返回无人机基地的时间；

4)对于用户或无人机目标物体c_i＝{q_i，s_i，e_i，h_i，t_i}，其中q_i表示用户或无人机目标物体的需求，s_i表示用户或无人机目标物体的服务时间，e_i表示无人机最早可以开始对用户或无人机目标物体c_i服务的时间，h_i表示无人机最晚可以开始对用户或无人机目标物体c_i服务的时间，t_i表示无人机最晚结束对用户或无人机目标物体c_i服务的时间；

5)将无人机基地中的无人机表示为v_r∈V，其中V表示无人机集合，r∈[1，|V|]，|V|表示无人机的数量，则用二进制变量表示无人机的可行路径：

6)利用二进制变量表示用户或无人机目标物体c_i是否被无人机v_r服务：当表示用户或无人机目标物体c_i由无人机v_r服务，当表示用户或无人机目标物体c_i不由无人机v_r服务；

所述确定无人机路径规划的约束条件，包括：

1)用户或无人机目标物体c_i只能使用一架无人机，且所有路线都由无人机基地开始：

2)每架无人机的负载不能超过其承载能力：

其中：

q_i表示用户或无人机目标物体的需求；

3)用户或无人机目标物体c_i完成服务的时间约束：

4)用户或无人机目标物体c_j的时间窗约束：

其中：

表示无人机v_r等待c_j的时间；

所述确定无人机路径规划问题的多目标函数，包括：

确定无人机路径规划问题的多目标函数，所确定的多目标函数为：

其中：

t_i表示无人机最晚结束对用户或无人机目标物体c_i服务的时间；

e_i表示无人机最早可以开始对用户或无人机目标物体c_i服务的时间；

所述利用Zoutendijk法对多目标函数进行求解，包括：

1)将上述多目标函数转换为如下函数表示：

其中：

U表示目标空间，即不同目标函数的取值空间；

Ω表示决策空间，即无人机路径规划决策解的空间；

F(·)表示目标函数，可将决策空间映射到目标空间；

2)设置初始容许点x_k，k＝0，将约束条件中不等式约束矩阵A分成A′_k和A″_k，并把相应的不等式约束向量b分成b′_k和b″_k，使得A′_kx_k＝b′_k，A″_kb″_k≥b″_k，计算

3)求解如下线性规划问题：

s.t.A′_kp≥0，Cp＝0，-e≤p≤e

其中：

C表示约束条件中等式约束中的矩阵C；

求得p的最优解为p_k；

4)若ε为求解阈值，将其设置为1.5，则打印此时的x_k，并计算u＝A″_kx_k-b″_k，v＝A″_kp_k；

5)若p_k≥0，则x_k+1＝x_k+p_kd，其中d为等式约束中的向量；否则计算：

并求解：

设得到的最优解为β_k，则计算x_k+1＝x_k+p_kβ_k；

6)置k＝k+1，并转步骤2)，直到β＜0，此时输出从无人机基地到一组可服务用户再回到无人机基地的顶点序列x_i表示表示一架无人机i的路径，N_v表示无人机路径规划问题中使用的无人机数量。