[发明专利]一种卡车-无人机协同路径规划方法及系统

说明书

本申请公开了一种卡车‑无人机协同路径规划方法及系统。其中方法包括，输入考虑无人机互换模式的带无人机的车辆路径问题的参数信息，调用启发式算法，输出初始上界解方案；输入初始上界解方案，调用列生成算法，使用协同路径标号算法求解列生成算法中的子问题，使用启发式算法辅助寻找路径列，输出线性解方案；输入线性解方案，调用分枝策略和割约束搜索策略，在每个分枝结点使用列生成算法求解完之后添加分枝和割约束，输出整数解方案。通过本申请的方案可以使无人机不依赖于无人机停放点在不同卡车实现互换，并且加快精确算法的求解效率。

技术领域

本发明一般地涉及路径规划技术领域。更具体地，本发明涉及一种卡车-无人机协同路径规划方法及系统。

背景技术

无人机作为物流配送的新型交通工具，以其速度快、成本低而受到物流企业的广泛关注。然而，无人机受续航及载重能力不足所限制，无法独立执行大规模物流配送，需要与卡车等承载工具进行协同配送。

卡车与无人机协同配送中主要出现了带无人机的旅行商问题(TSPD)以及带无人机的车辆路径问题(VRPD)。Wang和Sheu.在2019年针对无人机互换回收情景下的VRPD问题提出了一种分枝定价(Branch and Price)算法。如图1所示，VRPD问题即多辆卡车，每辆卡车可以携带多架无人机从场站出发，完成网络中客户点的服务之后返回场站。在他们拟定的情景之中，引入了一类新的无人机停放点(Docking hub)，相当于将无人机在不同卡车之间的互换通过无人机停放点进行衔接。在上述情景中，脉冲算法(pulse algorithm)被用来作为求解列生成算法的子问题。然而，对于Wang和Sheu.(2019)针对考虑无人机停放点情景下的VRPD问题设计的BP算法，无人机的回收完全和无人机停放点相关联，相当于将不同卡车之间的关联性通过无人机停放点进行了切割，造成最主要的影响是缩减了问题的整体规模和可行解空间，从而使得某些更优的无人机互换方案不能被充分考虑到；在现实生活中，增设无人机停放点本身属于一类固定设备投入支出，无人机停放点的选址问题也是需要考虑的另外一个难题。另一方面，针对卡车和无人机协同配送问题的精确算法框架求解效率均较为低下，Roberti和Ruthmair.(2021)针对TSP-D提出的BP算法最多求解的算例规模为39个客户点；Wang和Sheu.(2019)针对考虑无人机停放点情景下的VRPD问题设计的BP算法最多能求解的算例规模仅为15个客户点；Kitjacharoenchai,等(2019)虽然进行了无人机互换模式的VRPD问题的大规模算例求解，但使用的是启发式算法，不能保证解方案的求解质量和精确性。综上，如何使得无人机可以不依赖于无人机停放点在不同卡车实现互换，并且加快精确算法的求解效率成为一个亟待解决的问题。

发明内容

为了至少解决上述背景技术部分所描述的技术问题，本发明提出了一种卡车-无人机协同路径规划方法、系统及存储介质。利用本发明的方案，通过引入先驱客户点，路径组和信息共享机制三种特殊处理手段，设计考虑无人机互换模式的VRPD问题的分枝，定价和剪枝(Branch Price and Cuts)精确算法框架，使得无人机可以不依赖于无人机停放点在不同卡车实现互换；通过在BPC精确算法框架中添加一系列有效的加速策略，加快精确算法的求解效率。鉴于此，本发明在如下的多个方面提供解决方案。

本发明的第一方面提供了一种卡车-无人机协同路径规划方法，包括：S1、输入考虑无人机互换模式的带无人机的车辆路径问题(VRPD)的参数信息，调用启发式算法，输出初始上界解方案；S2、输入初始上界解方案，调用列生成算法，使用协同路径标号算法求解列生成算法中的子问题，使用启发式算法辅助寻找路径列，输出线性解方案；S3、输入线性解方案，调用分枝策略和割约束搜索策略，在每个分枝结点使用列生成算法求解完之后添加分枝和子集行不等式，输出整数解方案。