CN113988772B - 基于多路径的无人机配送网络构建方法 - Google Patents

Abstract

本申请提供了一种基于多路径的无人机配送网络构建方法，包括：基于虚拟节点、需求节点集、预设的服务中心节点集和预设的充电节点集构建基础配送网络结构图；基于总能耗最小化原则构建目标函数；基于预设的约束条件和目标函数得到目标节点和目标节点设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。本发明能够在总能耗最少化的情况下，最大化无人机最后一公里配送的能力。

Description

基于多路径的无人机配送网络构建方法

技术领域

本申请涉及无人机配送领域，具体涉及一种基于多路径的无人机配送网络构建方法。

背景技术

无人机，也称为无人驾驶航空器(Unmanned Aircraft, UA)，近几年在城市低空空域内应用广泛，尤其在物流配送方面展现出了广阔的应用前景。服务药品、小包裹、外卖等货物的无人机配送，大大提高了最后一公里的配送效率。然而，爆发式的无人机配送需求，对最后一公里配送系统带来运行新挑战。通过构建合理的无人机配送网络，不仅能有效地缓解飞行安全隐患，也能降低企业运行成本，最大化满足客户的需求。

无人机的最大航程直接影响最后一公里配送覆盖地区的范围大小，进而影响整个无人机配送网络的构建。决定无人机的航程能力包括自身因素和外部条件，自身因素可以简单概括为无人机本身的飞行能力，其承载货物重量的大小和电池或燃料容量也会影响无人机的续航时间。除去考虑无人机本身机型设计和航线规划算法优越性，外部条件的调整优化也可改变当前无人机的续航覆盖能力范围，例如，合理布置服务中心和增设充电节点以及合理分配每条航线的配送任务等都可以显著提升无人机的续航条件。因此，在一定的能耗即成本的情况下，通过构建高效的无人机配送网络，以尽可能短的配送时间完成配送任务，实现最大化无人机的最后一公里配送的能力，能促进低空无人机快速蓬勃发展，满足客户的日益发展需求。

发明内容

针对上述技术问题，本发明提供一种基于多路径的无人机配送网络构建方法，能够在总能耗最少化的情况下，最大化无人机最后一公里配送的能力。

本发明实施例采用的技术方案为：

本发明实施例提供一种基于多路径的无人机配送网络构建方法，包括如下步骤：

S100，基于虚拟节点b^dummy、需求节点集B^d、预设的服务中心节点集B^s和预设的充电节点集B^r构建基础配送网络结构图，所述基础配送网络结构图包括预设的M条配送路径，每条配送路径的两个节点之间通过配送弧a连接，其中，所有的配送弧a构成弧集A，包括：连接服务中心节点和充电节点的配送弧构成的充电配送弧集A^r、连接服务中心节点和需求节点的配送弧构成的服务配送弧集A^s、连接充电节点和需求节点的配送弧构成的需求配送弧集A^d、连接虚拟节点和服务中心节点的配送弧构成的虚拟配送弧集A^dum以及连接虚拟节点和需求节点的配送弧构成的虚拟配送弧集A^vir；

S200，获取基础信息和决策变量，所述基础信息包括 B^d中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗c_a、 B^s∪B^r中的任一节点j的设施规模m和设施规模集M_j、设施规模为m的节点j的容量cap_j,m和建设能耗f_j,m、A\（A^dum∪A^vir）中的每个配送弧的建设能耗h_a；所述决策变量包括：节点j的设施规模变量y_j,m、配送弧a的建设变量z_a、经配送弧a配送的需求d的配送量决策变量x_ad、需求d通过配送弧a配送的配送弧选择变量p_ad；

S300，基于获取的基础信息构建目标函数

min

+

+

；

S400，基于目标函数和预设的约束条件得到y_j,m、z_a、x_ad和p_ad的取值；所述预设的约束条件包括节点的配送量约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、决策变量约束以及决策变量的相关关系约束；

S500，基于得到的y_j,m、z_a、x_ad和p_ad的取值得到需要构建的目标配送网络。

本发明实施例提供的基于多路径的无人机配送网络构建方法，以总能耗最小化为原则构建目标函数，通过节点配送量约束、节点设施规模约束、节点容量约束、最大配送时间约束、无人机续航里程约束、决策变量约束以及决策变量相关关系约束作为约束条件来对目标函数进行约束，能够在总能耗最少化的情况下，最大化无人机最后一公里配送的能力。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的基于多路径的无人机配送网络构建方法的流程示意图；

图2为本申请实施例中没有设置虚拟节点的基础配送网络结构图；

图3为在图2中设置有虚拟节点的基础配送网络结构图；

图4为根据本申请的方法对图2基础配送网络结构图进行优化后得到的目标配送网络结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明实施例提供一种基于多路径的无人机配送网络构建方法，在本发明实施例中，无人机为民用无人机，用于实现配送服务，例如将货物由货物发送方配送到货物接收方，具体用于低空空域内最后一公里的货物配送。多路径为货物接收方的需求可以拆分，即货物发送方发送的货物可以通过多条配送路径配送到同一个货物接收方。

如图1所示，本发明实施例提供的基于多路径的无人机配送网络构建方法包括如下步骤：

S100，基于虚拟节点b^dummy、需求节点集B^d、预设的服务中心节点集B^s和预设的充电节点集B^r构建基础配送网络结构图，所述基础配送网络结构图包括预设的M条配送路径，每条配送路径的两个节点之间通过配送弧a连接。

在本发明实施例中，需求节点集B^d为所有需求节点构成的集合、预设的服务中心节点集B^s和预设的充电节点集B^r可为用户例如货物发送方自定义设置。所有的配送弧a构成弧集A，即∀a∈A，具体包括：连接服务中心节点和充电节点的配送弧构成的充电配送弧集A^r、连接服务中心节点和需求节点的配送弧构成的服务配送弧集A^s、连接充电节点和需求节点的配送弧构成的需求配送弧集A^d、连接虚拟节点和服务中心节点的配送弧构成的配送弧集A^dum以及连接虚拟节点和需求节点的配送弧构成的配送弧集 A^vir。

进一步地，S100可包括以下步骤：

S110，基于预设的服务中心节点集B^s和预设的充电节点集B^r构建第一基础配送网络结构图。

在一个示意性实施例中，基于需求节点集B^d、预设的服务中心节点集B^s和预设的充电节点集B^r构建基础配送网络结构图可如图2所示。图2中的基础配送网络结构图节点包括属于B^d的需求节点、属于B^r的服务中心节点、属于B^r的充电节点。预设的服务中心节点集B^s和预设的充电节点集B^r为预先设置，即服务中心节点和充电节点的候选位置为事先设置，以满足无人机的起降要求。如图2所示，充电节点的设置可以扩大无人机配送服务范围。

在第一基础配送网络结构图中，在充电节点的设置下，无人机最后一公里配送可以通过如下两种方式实现配送服务：

1. 通过任一配送弧a∈A^s将货物直接从服务中心运送到客户的需求节点，如图2中，选择的S₁到D₄配送弧；

2. 先通过a∈A^r将货物从服务中心配送到充电节点，再通过a∈A^d从充电节点配送到客户需求节点，如图2中，选择从S₁经过R₁到D₄的配送弧。

无论是从服务中心节点还是从充电节点飞行到需求节点的航线，都需要考虑无人机的返回飞行旅程，也就是说a∈A^d∪A^s的距离都应该小于无人机总续航里程。

S120，在第一基础配送网络结构图中引入虚拟节点b^dummy，构建第二基础配送网络结构图。

由于服务范围和节点容量的限制，图2示出的基础配送网络结构图的服务中心节点并不能满足所有的需求节点，为此本发明实施例中引入虚拟节点b^dummy，引入虚拟节点后得到的基础配送网络结构图可如图3所示。未满足的需求节点在虚拟配送弧的帮助下从虚拟节点b^dummy到达需求节点。这样，任何服务中心节点都可以满足所有需求，因此服务中心节点可以选择并分配不同的设施规模。如图3所示，虚拟节点b^dummy分别与每个服务中心节点和需求节点可通过虚拟配送弧连接。图3示出的基础配送网络结构图上的连接虚拟节点和服务中心节点的配送弧构成虚拟配送弧集A^dum，连接虚拟节点和需求节点的配送弧构成虚拟配送弧集A^vir ，显然，B^d⊂B，B^s⊂B，B^r⊂B，b^dummy∈B，A^r⊂A，A^s⊂A，A^d⊂A，A^dum⊂A，A^Bir⊂A。

S200，获取基础信息和决策变量，所述基础信息包括 B^d中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗c_a、B^s∪B^r中的任一节点j的设施规模m和设施规模集M_j、设施规模为m的节点j的容量cap_j,m和建设能耗f_j,m、 A\（A^dum∪A^vir）中的每个配送弧的建设能耗h_a；所述决策变量包括：节点j的设施规模变量y_j,m、配送弧a的建设变量z_a、经配送弧a配送的需求d的配送量决策变量x_ad、需求d通过配送弧a配送的配送弧选择变量p_ad。

在本发明实施例中，任一需求节点i的需求d的数量可根据实际情况得到。根据每个需求节点的需求的数量可得到相应的D。例如，一共有3个需求节点，分别有1个需求、2个需求和3个需求，则D={1,2,3}。在一个示意性实施例中，每个需求节点的需求的数量可为高峰时段的需求的数量 n_d。

在本发明实施例中，B^s∪B^r中的任一节点j的设施规模m和设施规模集M_j、设施规模为m的节点j的容量cap_j,m和建设能耗f_j,m可根据用户设置得到。节点的设施规模m可至少为1个，即m≥1。基于每个节点j的m，可得到对应的M_j，m∈M_j。例如，节点j可以选择的设施规模可以有1、3和4三种规模，则M_j={1,3,4}。

一般，一架无人机的充电时间通常为1-2小时，而客户对于货物最后一公里配送的最长配送时间通常不超过30分钟。为了避免无人机的充电时间对配送时间要求的影响，在充电节点引入自动换电机柜。无人机在自动换电机柜的换电池时间只需要几分钟，这样可以规划管理配送时间，以满足最后一公里最长配送时间的要求。当无人机降落充电节点时，无人机在自动换电机柜进行更换电池。更换好电池后，无人机从充电节点起飞继续将货物运送到需求节点。例如，当一个充电节点只配置了一个自动换电机柜，一架无人机更换电池时间需要6分钟，起飞和降落各需要1分钟，相当于一架无人机在充电节点的处理时间为8分钟，这样的充电节点1个小时只能处理7架来自服务中心的无人机，相当于无人机充电节点规模为1，对应的容量为7架次/小时。由于每个充电节点附近的需求节点分布不同，因此，可以确定不同规模的充电节点，即每个充电节点配置不同数量的自动换电机柜，具备不同的容量。

对于服务中心节点，例如，一个服务中心只配置了一个起降平台，一架无人机在起降平台的处理时间为2分钟，包括停留在起降平台上1分钟和起飞1分钟。这样的服务中心1个小时只能处理30架无人机，相当于无人机服务中心规模为1，对应的容量为30架次/小时。配置不同规模的起降平台，无人机服务中心节点的容量也不同。

这样，每个服务中心节点的设施规模为可转化为布置多少个起降平台，每个服务中心节点的容量可转化为单位时间所有起降平台的无人机的起降总架次量；每个充电节点的设施规模可转化为可布置多少个自动换电机柜，每个充电节点的容量可转化为单位时间所有自动换电机柜的无人机的起降总架次量。在一个示意性实施例中，节点的设施规模和对应的容量可如下表1所示：

表1 节点的设施规模和容量

由上表1可知，节点的设施规模有三种方案，其中方案一和方案二的节点的设施规模m为1种，方案三的节点的设施规模m为2种。每个起降平台和自动换电机柜需要的建设能耗是已知的，因此，可知设施规模为m的节点j的建设能耗f_j,m。

在本发明实施例中，任一配送弧a上配送需求d的配送能耗c_a，A\（A^dum∪A^vir） 即除了虚拟配送弧上的每个配送弧的建设能耗h_a ，以及除了虚拟配送弧上的每个配送弧的距离d_a，可基于实际情况确定，h_a主要为无人机飞行对周围环境的影响能耗。

在本发明实施例中，y_j,m、z_a、x_ad和p_ad是用于确定从图3中示出的基础配送网络结构图中选择那些配送路径的决策变量。 y_j,m为节点j设施规模变量，取值为0或1，如果节点j选择设施规模m则等于1，否则等于0。 z _a 为0-1变量，即取值为0或者1，如果构建配送弧a则等于1，否则等于0。x_ad可为大于等于0的整数即自然数，例如，某条配送弧a需要配送5个需求d，则x_ad=5。在实际应用场景中，假设每个无人机只能配送一个需求，则配送弧a上配送量等于经过该配送弧的无人机数量。p_ad为0-1变量，即取值为0或1，如果需求d使用配送弧a则等于1，否则等于0。

S300，基于获取的基础信息构建目标函数

min（C1+C2+C3）=min

+

+

。

其中，C1为M条配送路径上的配送能耗之和，与每个配送弧上的配送量相关；C2为M条配送路径上的所有的配送弧的建设能耗之和，C3为M条配送路径上的所有节点的建设能耗之和，与节点的设施规模相关。由此可知，目标函数是基于总能耗最小化的原则构建的。

S400，基于目标函数和预设的约束条件得到y_j,m、z_a、x_ad和p_ad的取值；所述预设的约束条件包括节点的配送量约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、决策变量约束以及决策变量的相关关系约束。

进一步地，在本发明实施例中，基础信息还可包括：最大配送时间T^max和无人机续航里程D^dua以及无人机的飞行速度等，最大配送时间T^max和无人机续航里程D^dua以及无人机的飞行速度可为事先设置。例如，针对目前城市无人机外卖的配送情形，最大配送时间T^max可设置为15分钟，无人机续航里程 D^dua可设置为3.2公里，无人机的飞行速度可设置为10m/s。

在本发明实施例中，从虚拟节点到需求节点的连接确保了需求得到满足。其中，使用虚拟弧的需求代表当前解决方案中未满足的需求。这通常是由于节点容量有限或需求距离太远。需求满足可以通过节点配送量约束来实现，如下式（1）所示。在虚拟节点b^dummy，需求从每个节点流出，而在需求节点i，其相应的量流入。在中间节点，没有需求被保留。需求可以拆分，即通过多条路径配送。如图3所示，需求节点D₄的需求可以由S₁经过充电节点R₁的路线进行配送和通过S₁直接进行配送来满足。

=

，（1）

其中，A^j-为流入节点j的配送弧构成的弧集，a1为A^j-中的任一配送弧， x^a1-d为配送弧a1的配送量决策变量；A^j+为流出节点j的配送弧构成的弧集，a2为A^j+中的任一配送弧；x^a2-d为配送弧a2的配送量决策变量，为自然数。

进一步地，在本发明实施例中，所述节点规模约束为：

，∀j∈B^s∪B^r（2）

通过式（2）可知，对于服务中心节点和充电节点，最多只能选择一个设施规模。此外，这些约束意味着当 y_j,m之和为0时，不选择该节点。

进一步地，在本发明实施例中，所述节点容量约束为：

，∀j∈B^s∪B^r （3）

其中通过式（3），可以使得通过每个服务中心和每个充电节点的需求的数量即需求量小于每个服务中心的容量和每个充电节点的容量。

进一步地，在本发明实施例中，当无人机配送路线经过充电节点时，有可能超过最大配送时间要求。由于每条配送路线由连接服务中心和充电节点的配送弧a∈A^r和连接充电节点和需求节点的配送弧a∈A^d组成，总配送时间包括弧上的配送时间和充电节点的处理时间，因此，所述最大配送时间约束可为：

+

，

∀d∈D，j∈B^r （4）

其中， t_a为无人机在配送弧a上的配送时间，可基于无人机飞行速度和配送弧的 长度确定，t_ja+为无人机在配送弧a的源节点上的配送时间，具体包括无人机更换电池时间 和无人机起降时间。则有，

为充电节点到需求点的配送时间；

为充电节点的处理时间；

为服务中心节点到充电节点的 配送时间。

进一步地，在本发明实施例中，所述无人机续航里程约束包括：

2d_a*p_ad≤D^dua ，∀d∈D，a∈A^s∪A^d；（5）

d_a*p_ad≤D^dua， ∀d∈D，a∈A^r； （6）

其中，d_a为配送弧a的距离，D^dua为无人机续航里程，可为预先设置的里程。通过式（5）和（6）可知，当考虑无人机的返回时，式(5)要求从服务中心到需求节点和从充电节点到需求节点的飞行距离应小于其续航里程的1/2。当无人机从服务中心节点飞往充电节点时，没有必要考虑返程，因为无人机可以在充电节点充电，如式（6）所要求的，飞行距离需要比其续航里程短即可。

进一步地，在本发明实施例中，所述决策变量约束包括：

x_ad∈N1，∀d∈D，a∈A，N1为自然数；（7）

z_a={0，1}，∀a∈A^r∪A^s∪A^d； （8）

y_j,m={0，1}，∀j=B^r∪B^s，m∈M_j； （9）

p_ad={0，1}，∀d∈D，a∈A； （10）

式（7）-（10）定义了目标函数中变量的范围和类型。式（7）中的配送量决策变量被定义为自然数变量，其余的变量被定义为二进制变量。

进一步地，在本发明实施例中，所述决策变量相关关系约束包括配送弧的需求量传输与节点建设、配送弧建设之间的相关关系约束、配送弧建设和节点建设的相关关系约束以及配送弧的配送量和需求在配送弧的利用相关关系约束。

其中，配送弧的配送量传输与节点建设之间的相关关系约束为：

；∀d∈D，a∈A^r∪A^s∪A^d；（11）

弧的配送量传输与配送弧建设的相关关系约束为：

x_ad≤N2*z_a，∀d∈D，a∈A^r∪A^s∪A^d； （12）

式（11）意味着需求d可以通过配送弧 a∈A^r∪A^s∪A^d配送，必须构建所选配送弧a 的源节点（起点） j_a+，即

等于1；式(12)意味着如果配送弧必须用等于1的 z _a 构建，则 需求d可以通过配送弧a配送，否则, x_ad必须等于0。N2为远大于x_ad的自然数，式（11）和式 （12）中的N2用于耦合无人机对节点和配送弧的使用，是关于配送弧的选择。

进一步地，配送弧的构造需要耦合节点构造的约束。配送弧建设和节点建设的相关关系约束为：

，∀a∈A^r∪A^s∪A^d； （13）

， ∀a∈A^r；（14）

由于需求节点已经存在，式（13）规定，如果

等于1，即配送弧 a∈A^r∪A^s∪A^d 的源节点被构造，则可以构造配送弧a。对于每个连接服务中心节点和充电节点弧a∈A^r，应 构建两侧的节点。式（14）规定，如果

等于1，即配送弧的汇节点（终点） j^a-被构造，则可 以构造配送弧a。

进一步地，配送弧的需求量和需求在配送弧的利用相关关系约束为：

x_ad≥-N2*（1-p_ad），∀d∈D，a∈A； （15）

x_ad≤N2* p_ad，∀d∈D，a∈A； （16）

式（15）和式（16）对配送弧a上需求d的数量和需求d利用弧a的相互作用进行建模。如果p_ad等于1，则式（15）用于确保x_ad大于0；否则，式（16）要求如果p_ad等于0，则x_ad必须等于0。同样，式（15）和式（16）中的N2用于耦合配送弧的配送量和需求利用配送弧的相关关系约束。

在本发明实施例中，可通过现有算法或设计智能启发式算法，求解目标函数和约束条件得到每个决策变量的取值。在一个示意性实施例中，可通过ILOG CPLEX 12.10软件在Visual Studio 2017平台上用预设语言例如C #语言求解得到每个决策变量的取值。

S500，基于得到的y_j,m、z_a、x_ad 和p_ad的取值得到需要构建的目标配送网络。

在本发明实施例中，目标配送网络可包括目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。

如果y_j,m=1，则意味着对应的节点j选择设施规模m，对应的节点j为目标节点，m为目标节点的设施规模；如果 z _a =1，则意味着对应的配送弧a被构建，为目标配送弧；基于x_ad可得到目标配送弧上配送的需求d的数量；如果p_ad=1，则意味着需求d使用弧a进行配送。这样，可基于确定的 y_j,m、z_a、x_ad和p_ad得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。进而，在得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求后，可生成目标配送网络。在一个示意性实施例中，生成的目标配送网络可为在基础配送网络结构图上直接生成。例如，生成的目标配送网络包括L＜M条目标配送路径，则可将这L条配送路径以不同于其它配送路径的线条颜色或者粗细度进行显示，如图4所示的黑色部分，同时还可在每个节点附近显示对应的设施规模以及每个目标配送弧附近显示对应的配送量以及配送的需求。在另一个示意性实施例中，可以基于得到的L条配送路径重新生成目标配送网络，同时在每个节点附近显示对应的设施规模以及每个目标配送弧附近显示对应的配送量以及配送的需求。

进一步地，在本发明实施例中，还可对构建的目标配送网络进行可视化显示。本发明技术人员知晓，可以采用现有技术中的任何可视化显示方式进行显示。

基于得到的目标节点和目标弧可得到L＜M条目标配送路径，示意性得到的目标配送路径可如图4中的黑色部分所示。图4示出的目标配送网络结构图可在显示器上进行显示，在显示时，选择的配送路径与没有选择的配送路径的颜色不同。

综上，本发明实施例提供的基于多路径的无人机配送网络构建方法，以总能耗最小化为原则构建目标函数，通过节点配送量约束、节点设施规模约束、节点容量约束、最大配送时间约束、无人机续航里程约束、决策变量约束以及决策变量相关关系约束作为约束条件来对目标函数进行求解，能够在总能耗最少化的情况下，最大化无人机最后一公里配送的能力。

虽然已经通过示例对本申请的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本申请的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本申请的范围和精神。本申请开的范围由所附权利要求来限定。

Claims (9)

1.一种基于多路径的无人机配送网络构建方法，其特征在于，包括如下步骤：

S100，基于虚拟节点b^dummy、需求节点集B^d、预设的服务中心节点集B^s和预设的充电节点集B^r构建基础配送网络结构图，所述基础配送网络结构图包括预设的M条配送路径，每条配送路径的两个节点之间通过配送弧a连接，其中，所有的配送弧a构成弧集A，包括：连接服务中心节点和充电节点的配送弧构成的充电配送弧集A^r、连接服务中心节点和需求节点的配送弧构成的服务配送弧集A^s、连接充电节点和需求节点的配送弧构成的需求配送弧集A^d、连接虚拟节点和服务中心节点的配送弧构成的虚拟配送弧集A^dum以及连接虚拟节点和需求节点的配送弧构成的虚拟配送弧集A^vir；

S200，获取基础信息和决策变量，所述基础信息包括B^d中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗c_a、 B^s∪B^r中的任一节点j的设施规模m和设施规模集M_j、设施规模为m的节点j的容量cap_j,m和建设能耗f_j,m、A\（A^dum∪A^vir）中的每个配送弧的建设能耗h_a；所述决策变量包括：节点j的设施规模变量y_j,m、配送弧a的建设变量z_a、经配送弧a配送的需求d的配送量决策变量x_ad、需求d通过配送弧a配送的配送弧选择变量p_ad；

S300，基于获取的基础信息构建目标函数min

（

+

）；

S400，基于目标函数和预设的约束条件得到y_j,m、z_a、x_ad和p_ad的取值；所述预设的约束条件包括节点的配送量约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、决策变量约束以及决策变量的相关关系约束；

S500，基于得到的y_j,m、z_a、x_ad和p_ad的取值得到需要构建的目标配送网络；

其中，所述决策变量的相关关系约束包括配送弧的配送量传输分别与节点建设、配送弧建设之间的相关关系约束、配送弧建设和节点建设的相关关系约束以及配送弧的配送量和需求在配送弧的利用相关关系约束；

其中，配送弧的配送量传输与节点建设之间的相关关系约束为：

；∀d∈D，a∈A^r∪A^s∪A^d；

配送弧的配送量传输与配送弧建设的相关关系约束为：

x_ad≤N2*z_a，∀d∈D，a∈A^r∪A^s∪A^d；

其中，N2为大于 x_ad的自然数；

配送弧建设和节点建设的相关关系约束为：

，∀a∈A^r∪A^s∪A^d；

；∀a∈A^r

配送弧的配送量和需求在配送弧的利用相关关系约束分别为：

x_ad≥-N2*（1-p_ad），∀d∈D，a∈A；

x_ad≤N2* p_ad，∀d∈D，a∈A；

j^a+为配送弧a的源节点，j^a-为配送弧a的汇节点。

2.根据权利要求1所述的方法，其特征在于，所述目标配送网络包括：

目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。

3.根据权利要求1所述的方法，其特征在于，所述节点配送量约束为

其中， A^j-为流入节点j的配送弧构成的弧集，a1为A^j-中的任一配送弧， x^a1-d为配送弧a1的配送量决策变量；A^j+为流出节点j的配送弧构成的弧集，a2为A^j+中的任一配送弧；x^a2-d为配送弧a2的配送量决策变量；n_d为需求节点i的需求量。

4.根据权利要求1所述的方法，其特征在于，所述节点的设施规模约束为：

，∀j∈B^s∪B^r。

5.根据权利要求1所述的方法，其特征在于，所述节点容量约束为：

，∀j∈B^s∪B^r；

A^j+为流出节点j的配送弧构成的弧集，cap_j,m为设施规模为m的节点j的容量。

6.根据权利要求1所述的方法，其特征在于，所述最大配送时间约束为

，∀d∈D，j∈B^r；

A^j+为流出节点j的配送弧构成的弧集，t_a为无人机在配送弧a上的配送时间，t_ja+为无人机在配送弧a的源节点上的配送时间，A^j-为流入节点j的配送弧构成的弧集，T^max为最大配送时间。

7.根据权利要求1所述的方法，其特征在于，所述无人机续航里程约束包括：

2d_a*p_ad≤D^dua ∀d∈D，a∈A^s∪A^d和d_a*p_ad≤D^dua，∀d∈D，a∈A^r；

其中，d_a为配送弧a的距离，D^dua为无人机续航里程。

8.根据权利要求1所述的方法，其特征在于，所述决策变量约束包括：

x_ad∈N1，∀d∈D，a∈A，N1为自然数；

z_a={0，1}，∀a∈A^r∪A^s∪A^d；

y_j,m={0，1}，∀j=B^r∪B^s，m∈M_j；

p_ad={0，1}，∀d∈D，a∈A。

9.根据权利要求1所述的方法，其特征在于，还包括：

S600，对所述目标配送网络进行可视化显示。

Images