CN114037131B - 一种空地协同任务路线规划方法、装置、终端及存储介质 - Google Patents

一种空地协同任务路线规划方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN114037131B
CN114037131B CN202111270090.2A CN202111270090A CN114037131B CN 114037131 B CN114037131 B CN 114037131B CN 202111270090 A CN202111270090 A CN 202111270090A CN 114037131 B CN114037131 B CN 114037131B
Authority
CN
China
Prior art keywords
target
operator
unmanned aerial
aerial vehicle
route
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111270090.2A
Other languages
English (en)
Other versions
CN114037131A (zh
Inventor
鲁赛
丁玉隆
尉越
崔金强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peng Cheng Laboratory
Original Assignee
Peng Cheng Laboratory
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peng Cheng Laboratory filed Critical Peng Cheng Laboratory
Priority to CN202111270090.2A priority Critical patent/CN114037131B/zh
Publication of CN114037131A publication Critical patent/CN114037131A/zh
Application granted granted Critical
Publication of CN114037131B publication Critical patent/CN114037131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种空地协同任务路线规划方法、装置、终端及存储介质，方法包括：根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。本发明可以实现在空地协同监测任务中快速高效地进行路线规划。

Description

一种空地协同任务路线规划方法、装置、终端及存储介质
技术领域
本发明涉及无人机监测技术领域，特别涉及一种空地协同任务路线规划方法、装置及终端。
背景技术
随着高精度传感器的小型化，UAV(Unmanned Aerial Vehicle，无人机)在军事和民用应用(例如边境巡逻和农作物监测)中发挥着越来越重要的作用。考虑到旋翼无人机可以在低空飞行并悬停在目标区域以收集精确的信息，是完成情报、监视和侦察等任务的首选。此外，便携性、有效性和低成本等的优点促进了UAV的推广与应用。
但是，由于电池电量的限制，无人机无法长时间/远距离执行任务，这极大地限制了其利用率，可以将地面车辆(Ground Vehicle，GV)作为移动平台辅助UAV完成监测任务，UAV飞行速度快但续航有限，可以部署在行驶距离较长但行驶缓慢的GV(Ground Vehicle，地面车辆)上完成大范围监测任务。在任务区域中有一组UAV需要侦查的目标，这些目标位于路网之外。GV无法接近这些目标，需要UAV进行访问。在路网上有一些可选的停车节点，GV可以在这些节点上启动或回收UAV。同步地，UAV自动飞向目标收集目标信息，并在电池没电之前返回GV。但是，在现有技术中还没有能够高效快速求解这种面向监测任务的空地协同系统中的路径规划问题的方法。
因此，现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷，本发明提供一种空地协同任务路线规划方法、装置及终端，旨在解决现有技术中还没有能够高效快速求解面向监测任务的空地协同系统中的路径规划问题的方法的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
本发明的第一方面，提供一种空地协同任务路线规划方法，所述方法包括：
根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；
采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；
采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。
所述的空地协同任务路线规划方法，其中，所述根据无人机的续航能力、各个待访问的目标点位置和各个停靠点的位置生成至少一个无人机初始路线，包括：
在不考虑无人机的续航能力的前提下生成至少一个完整路线，所述完整路线中包括每个目标点；
根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径；
根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点；
将每个所述子路径对应的停靠点加入至所述目标完整路线，生成所述无人机初始路线。
所述的空地协同任务路线规划方法，其中，每个所述子路径中的目标点顺序与所述完整路线中的顺序一致，在满足所述无人机的续航能力的前提下每个所述子路径中包括的目标点数量最大；所述根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径，包括：
对于第n个子路径，从所述第n个子路径的起点开始按照所述完整路线中的顺序依次确定所述第n个子路径中包括的目标点，若第一目标点被包括在所述第n个子路径中时所述第n个子路径超出所述无人机的续航能力，则将所述第一目标点作为第n+1个子路径的起点，n为正整数。
所述的空地协同任务路线规划方法，其中，所述根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点，包括：
根据各个停靠点的位置以及目标子路径中各个目标点的位置，确定可选停靠点集；
根据所述无人机的续航能力在所述可选停靠点集中确定所述目标子路径对应的停靠点。
所述的空地协同任务路线规划方法，其中，所述采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线，包括：
构建多个第一算子对，每个所述第一算子对中包括第一破坏算子和第一修复算子，所述第一破坏算子被应用时在无人机路线中删除目标点，所述第一修复算子被应用时在无人机路线中插入目标点；
对于各个所述无人机初始路线中的目标无人机初始路线，通过迭代进行优化，得到所述目标无人机初始路线对应的无人机中间路线；
在每一轮迭代中：
初始化每个所述第一算子对被选中的概率为1/N，其中，N为所述第一算子对的数量；
在所述多个第一算子对中选择目标第一算子对，在所述目标无人机初始路线的当前解中应用选中的所述目标第一算子对生成所述目标无人机初始路线的新解；
根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分；
根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率；
重新执行所述在所述多个第一算子对中选择目标第一算子对的步骤，直至本轮迭代中选择目标第一算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将所述目标无人机初始路线对应的最优解作为一个所述无人机中间路线。
所述的空地协同任务路线规划方法，其中，所述第一破坏算子包括第一随机破坏算子、第一贪婪破坏算子和第一最大节省破坏算子；
其中，所述第一随机破坏算子被应用时，在所述无人机初始路线的当前解中随机选择目标点并删除；
所述第一贪婪破坏算子被应用时，在所述无人机初始路线的当前解中删除花费大于第一预设值的目标点，所述花费包括路程花费和服务时间花费；
所述第一最大节省破坏算子被应用时，在所述无人机初始路线的当前解中删除节省值大于第二预设值的目标点，所述节省值包括所述无人机初始路线的当前解中包括或不包括目标点的优化目标值之差。
所述的空地协同任务路线规划方法，其中，所述第一修复算子包括第一贪婪插入算子、第一最佳插入算子和第一Regret-2插入算子；
其中，所述第一贪婪插入算子被应用时，将在破坏操作中被删除的每个目标点将在破坏操作中被删除的目标点按照随机顺序依次贪婪插入至目标位置，所述目标位置为目标点被插入至所有可行位置后优化目标值增加最少的位置；
所述第一最佳插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置，将插入代价最小的目标点插入到对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入；
所述第一Regret-2插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的目标点优先被插入至对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入。
所述的空地协同任务路线规划方法，其中，所述根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，包括：
当所述目标无人机初始路线的新解对应的优化目标值优于当前的最优解对应的优化目标值时，则将当前解更新为新解，并将最优解更新为新解，将所述目标第一算子对的得分增加σ1；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前的最优解对应的优化目标值，但优于当前解对应的优化目标值时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ2；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前解对应的优化目标值，且所述新解利用模拟退火的策略被接收时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ3；
其中，σ1、σ2、σ3为常数，σ1＞σ2＞σ3。
所述的空地协同任务路线规划方法，其中，所述根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率，包括：
根据第一公式更新所述目标第一算子对被选中的概率；
所述第一公式为：
wi,j+1＝(1-η)*w′i,j+η*w′i,j
其中，wi,j+1为第i个所述第一算子对在第j+1次第一目标算子对选择时被选中的概率，η为第i个所述第一算子对当前的得分，w′i,j为在本轮迭代中到第j次目标第一算子对被选择后第i个所述第一算子对被选中的次数。
所述的空地协同任务路线规划方法，其中，所述结束本轮迭代之后，包括：
根据本轮迭代中最高得分和最低得分的差异对所述次数阈值进行更新。
所述的空地协同任务路线规划方法，其中，所述采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，包括：
构建多个第二算子对，每个所述第二算子对中包括第二破坏算子和第二修复算子，所述第二破坏算子被应用时在无人机路线中生成缺失停靠点的子路径，所述第二修复算子被应用时在无人机路线中为缺失停靠点的子路径插入停靠点；
对于各个所述无人机中间路线中的目标无人机中间路线，通过迭代进行优化；
在每一轮迭代中：
初始化每个所述第二算子对被选中的概率为1/N，其中，N为所述第二算子对的数量；
在所述多个第二算子对中选择目标第二算子对，在所述目标无人机中间路线的当前解中应用选中的所述目标第二算子对生成所述目标无人机中间路线的新解；
根据所述目标无人机中间路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第二算子对的得分；
根据所述目标第二算子对的得分更新所述目标第二算子对被选中的概率；
重复执行所述在所述多个第二算子对中选择目标第二算子对的步骤，直至本轮迭代中选择目标第二算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将每个所述无人机中间路线对应的最优解中优化目标值最优的解作为所述目标路线。
所述的空地协同任务路线规划方法，其中，所述第二破坏算子包括第二随机破坏算子和第二最差路段破坏算子，所述第二修复算子包括第二贪婪插入算子、第二最佳插入算子和第二Regret-2插入算子；
其中，所述第二随机破坏算子被应用时，在所述目标无人机中间路线的当前解中随机选择目标点，当选中的目标点为子路径的起点或终点时，将选中目标点对应的停靠点删除；
所述第二最差路段破坏算子被应用时，在所述目标无人机中间路线的当前解中耗时大于第三预设值的路段对应的目标点作为新的子路径的起点与终点；
所述第二贪婪插入算子被应用时，获取在缺失停靠点的子路径中插入各个可行停靠点后的优化目标值，保留优化目标值增加最少的停靠点；
所述第二最佳插入算子被应用时，获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价，将插入代价最小的停靠点插入至最佳插入位置，重复所述获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价的步骤，直至所有缺失停靠点的子路径均被插入停靠点；
所述第二Regret-2插入算子被应用时，获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的停靠点优先被插入至对应的最佳插入位置，重复获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置的步骤，直至每个缺失停靠点的子路径均被插入停靠点。
本发明的第二方面，提供一种空地协同任务路线规划装置，包括：
初始路线生成模块，所述初始路线生成模块用于根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；
第一优化模块，所述第一优化模块用于采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；
第二优化模块，所述第二优化模块用于采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。
本发明的第三方面，提供一种终端，所述终端包括处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述任一项所述的空地协同任务路线规划方法的步骤。
本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的空地协同任务路线规划方法的步骤。
与现有技术相比，本发明提供了一种空地协同任务路线规划方法、装置及终端，所述的空地协同任务路线规划方法，首先根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线，再采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；接着采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线，在规划路线的过程中，在考虑无人机的续航能力生成初始路线后，先对目标点的访问顺序进行优化，再在优化后的目标点访问顺序的基础上优化停靠点，可以实现在空地协同监测任务中快速高效地进行路线规划。
附图说明
图1为本发明提供的空地协同任务路线规划方法的实施例的流程图；
图2为本发明提供的空地协同任务路线规划方法的实施例的具体算法流程图；
图3为本发明提供的空地协同任务路线规划方法的实施例的效果图一；
图4为本发明提供的空地协同任务路线规划方法的实施例的效果图二；
图5为本发明提供的空地协同任务路线规划装置的实施例的结构原理图；
图6为本发明提供的终端的实施例的原理示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供的空地协同任务路线规划方法，可以应用于具有计算能力的终端中，终端可以执行本发明提供的空地协同任务路线规划方法实现空地协同任务中的路线规划。
实施例一
如图1所示，所述空地协同任务路线规划方法的一个实施例中，包括步骤：
S100、根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线。
目标点是无人机在监测任务中需要访问的点，无人机需要访问所有的目标点，停靠点是地面车辆可以停靠的点，地面车辆可以在停靠点停靠以供无人机降落充电和起飞，停靠点可以不需要全部停靠，即地面车辆可以只在部分停靠点停靠。
所述根据无人机的续航能力、各个待访问的目标点位置和各个停靠点的位置生成至少一个无人机初始路线，包括：
在不考虑无人机的续航能力的前提下生成至少一个完整路线，所述完整路线中包括每个目标点；
根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径；
根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点；
将每个所述子路径对应的停靠点加入至所述目标完整路线，生成所述无人机初始路线。
如图2所示，在本实施例中，采用启发式算法来得到无人机路线的初始解，即所述无人机初始路线。首先在不考虑无人机的续航能力的前提下生成多条遍历每个目标点的完整路线，之后，对于每一条所述完整路线，将所述完整路线拆分为多个子路径，在拆分过程中，每个子路径将在续航能力约束下尽可能多地包含目标点，具体地，从所述完整路线的起点开始，假设无人机按照所述完整路线中的目标点顺序依次访问目标点，若访问某个目标点时超出所述无人机的续航能力，则将该目标点设置为下一个子路径的起点。即，个所述子路径中的目标点顺序与所述完整路线中的顺序一致，在满足所述无人机的续航能力的前提下每个所述子路径中包括的目标点数量最大；所述根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径，包括：
对于第n个子路径，从所述第n个子路径的起点开始按照所述完整路线中的顺序依次确定所述第n个子路径中包括的目标点，若第一目标点被包括在所述第n个子路径中时所述第n个子路径超出所述无人机的续航能力，则将所述第一目标点作为第n+1个子路径的起点，n为正整数。
在对所述完整路线进行拆分，得到多个子路径后，对于每个子路径，根据该子路径中包括的目标点的位置，和所有停靠点的位置来确定该子路径对应的停靠点，具体地，所述根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点，包括：
根据各个停靠点的位置以及目标子路径中各个目标点的位置，确定可选停靠点集；
根据所述无人机的续航能力在所述可选停靠点集中确定所述目标子路径对应的停靠点。
在确定所述完整路线拆分得到的所述多个子路径中的目标子路径对应的停靠点时，首先根据各个停靠点的位置以及目标子路径中各个目标点的位置，在所有的停靠点中选择部分停靠点，得到所述可选停靠点集，具体地，可以根据停靠点和所述目标子路径中各个目标点之间的距离来选择停靠点得到所述可选停靠点集，例如先设置一个距离阈值，将距离所述目标子路径中的目标点的距离低于该距离阈值的停靠点选中得到所述可选停靠点集，舍弃距离所述目标子路径中的目标点的距离高于该距离阈值的停靠点。在得到所述可选停靠点集后，根据所述无人机的续航能力在所述可选停靠点中确定所述目标子路径对应的停靠点，具体可以采用启发式算法来确定，每个所述子路径对应的停靠点可以是一个或者多个。
对于一个所述完整路线，得到对其进行拆分后生成的每个所述子路径对应的停靠点后，将每个所述子路径对应的停靠点加入至所述完成路线，生成一个所述无人机初始路线，也就是说，所述无人机初始路线中包括各个目标点、多个停靠点以及无人机访问这些目标点和停靠点的顺序。
请再次参阅图1，本实施例提供的空地协同任务路线规划方法，还包括步骤：
S200、采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线。
具体地，所述采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线，包括：
构建多个第一算子对，每个所述第一算子对中包括第一破坏算子和第一修复算子，所述第一破坏算子被应用时在无人机路线中删除目标点，所述第一修复算子被应用时在无人机路线中插入目标点；
对于各个所述无人机初始路线中的目标无人机初始路线，通过迭代进行优化，得到所述目标无人机初始路线对应的无人机中间路线；
在每一轮迭代中：
初始化每个所述第一算子对被选中的概率为1/N，其中，N为所述第一算子对的数量；
在所述多个第一算子对中选择目标第一算子对，在所述目标无人机初始路线的当前解中应用选中的所述目标第一算子对生成所述目标无人机初始路线的新解；
根据所述所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分；
根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率；
重复执行所述在所述多个第一算子对中选择目标第一算子对的步骤，直至本轮迭代中选择目标第一算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将所述目标无人机初始路线对应的最优解作为一个所述无人机中间路线。
每个所述第一算子对中包括一个第一破坏算子和一个第一修复算子。所述第一破坏算子包括第一随机破坏算子、第一贪婪破坏算子和第一最大节省破坏算子，所述第一修复算子包括第一贪婪插入算子、第一最佳插入算子和第一Regret-2插入算子。
具体地，所述第一随机破坏算子被应用时，在所述无人机初始路线的当前解中随机选择目标点并删除。
所述第一贪婪破坏算子被应用时，在所述无人机初始路线的当前解中删除花费大于第一预设值的目标点，所述花费包括路程花费和服务时间花费。所述路程花费为从上一目标点到本目标点的距离以及从本目标点到下一目标点的距离，所述服务时间花费包括对本目标点的服务时间。
所述第一最大节省破坏算子被应用时，在所述无人机初始路线的当前解中删除节省值大于第二预设值的目标点，所述节省值包括所述无人机初始路线的当前解中包括和不包括目标点时的优化目标值之差。
所述第一贪婪插入算子被应用时，将在破坏操作中被删除的每个目标点将在破坏操作中被删除的目标点按照随机顺序依次贪婪插入至目标位置，所述目标位置为目标点被插入至所有可行位置后优化目标值增加最少的位置。具体地，在贪婪插入算子被应用时，每个待插入的目标点按照随机顺序依次评估对应的所述目标位置，贪婪插入时，每个待插入的目标点对应的所述目标位置是根据前一个待插入的目标点被插入之后的路线来评估的，也就是说，每个待插入的目标点可以被插入至插入操作中被插入的目标点和其他目标点之间的位置。
所述第一最佳插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置，将插入代价最小的目标点插入到对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入。目标点的插入代价是插入目标点后和插入目标点前目优化目标值的增加值，也就是说，在第一最佳插入算子被应用时，目标点被插入的顺序不是随机的，而是按照目标点的插入代价有小到大的顺序依次被插入。
所述第一Regret-2插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的目标点优先被插入至对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入。也就是说，在第一Regret-2插入算子被应用时，目标点是按照最佳插入位置和次佳插入位置对应的优化目标值差异由大到小的顺序依次被插入的。
具体地，对所述目标无人机初始路线中的目标点访问顺序进行优化，得到所述目标无人机初始路线对应的最优解的过程采用多轮迭代来完成，在每一轮迭代中，每次选择一个目标第一算子对，所述在所述多个第一算子对中选择目标第一算子对可以是采用轮盘赌机制来选择，每个第一算子对被选中的概率为wi，n/sum(wi,n)，在每一轮迭代开始时，每个第一算子对对应的wi,n被初始化为1，也就是说，在每一轮迭代开始时，每个第一算子对被选中的概率为1/N，N为第一算子对的数量。在每轮迭代过程中，在选择了所述目标第一算子对后，在所述目标无人机初始路线的当前解中应用选中的所述目标第一算子对生成所述目标无人机初始路线的新解，所述目标初始路线的当前解和最优解的初始值为即为所述目标初始路线。根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，具体地，在本实施例中，优化目标值是无人机访问完所有目标点的耗时，所述根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，包括：
当所述目标无人机初始路线的新解对应的优化目标值优于当前的最优解对应的优化目标值时，则将当前解更新为新解，并将最优解更新为新解，将所述目标第一算子对的得分增加σ1；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前的最优解对应的优化目标值，但优于当前解对应的优化目标值时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ2；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前解对应的优化目标值，且所述新解利用模拟退火的策略被接收时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ3；
其中，σ1、σ2、σ3为常数，σ1＞σ2＞σ3。
每次选中所述目标第一算子对，并应用所述目标第一算子对更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分之后，还根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率，具体是根据第一公式更新所述目标第一算子对被选中的概率；
所述第一公式为：
wi,j+1＝(1-η)*w′i,j+η*w′i,j
其中，wi,j+1为第i个所述第一算子对在第j+1次第一目标算子对选择时被选中的概率，η为第i个所述第一算子对当前的得分，w′i,j为在本轮迭代中到第j次目标第一算子对被选择后第i个所述第一算子对被选中的次数。
更新所述目标第一算子对被选中的概率之后，重新按照轮盘赌机制选择新的第一算子对作为目标第一算子对，即重新执行所述在所述多个第一算子对中选择目标第一算子对的步骤，直至本轮迭代中选择目标第一算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代。当迭代论述达到论述阈值时，结束优化，获取优化过程中所述目标无人机初始路线对应的最新的最优解作为一个无人机中间路线。
在一种可能的实现方式中，为了提升迭代的效率，在结束本轮迭代之后，还包括步骤：
根据本轮迭代中最高得分和最低得分的差异对所述次数阈值进行更新。
具体地，根据本轮迭代中最高得分和最低得分的差异得到ΔP，ΔP反映本轮迭代中最高得分和最低得分的差异的大小，ΔP越大，差异越大，反之，ΔP越小，差异越小，在本实施例中，本轮迭代中最高得分和最低得分的差异越大，就将所述次数阈值更新为更大的值，本轮迭代中最高得分和最低得分的差异越小，就将所述次数阈值更新为更小的值，在一种可能的实现方式中，可以根据公式：来更新所述次数阈值/>
请再次参阅图1，在得到至少一个无人机中间路线后，本实施例提供的空地协同任务路线规划方法，还包括步骤：
S300、采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。
所述采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，包括：
构建多个第二算子对，每个所述第二算子对中包括第二破坏算子和第二修复算子，所述第二破坏算子被应用时在无人机路线中生成缺失停靠点的子路径，所述第二修复算子被应用时在无人机路线中为缺失停靠点的子路径插入停靠点；
对于各个所述无人机中间路线中的目标无人机中间路线，通过迭代进行优化；
在每一轮迭代中：
初始化每个所述第二算子对被选中的概率为1/N，其中，N为所述第二算子对的数量；
在所述多个第二算子对中选择目标第二算子对，在所述目标无人机中间路线的当前解中应用选中的所述目标第二算子对生成所述目标无人机中间路线的新解；
根据所述目标无人机中间路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第二算子对的得分；
根据所述目标第二算子对的得分更新所述目标第二算子对被选中的概率；
重复执行所述在所述多个第二算子对中选择目标第二算子对的步骤，直至本轮迭代中选择目标第二算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将每个所述无人机中间路线对应的最优解中优化目标值最优的解作为所述目标路线。
在对所述目标无人机中间路线进行迭代优化的过程与对所述目标无人机初始路线进行迭代优化的过程类似，只是对所述目标无人机中间路线进行迭代优化的过程中采用的是第二算子对。根据所述目标无人机中间路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第二算子对的得分，以及根据所述目标第二算子对的得分更新所述目标第二算子对被选中的概率的过程可以参照前文根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，以及根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率的说明。当然，在对每个所述无人机中间路线进行迭代优化时，在结束一轮迭代时，也可以根据本轮迭代中最高得分和最低得分的差异来更新次数阈值。
所述第二破坏算子包括第二随机破坏算子和第二最差路段破坏算子，所述第二修复算子包括第二贪婪插入算子、第二最佳插入算子和第二Regret-2插入算子。
具体地，所述第二随机破坏算子被应用时，在所述目标无人机中间路线的当前解中随机选择目标点，当选中的目标点为子路径的起点或终点时，将选中目标点对应的停靠点删除，这样就会使得原本有完整的对应的停靠点的子路径的停靠点产生缺失。
所述第二最差路段破坏算子被应用时，在所述目标无人机中间路线的当前解中耗时大于第三预设值的路段对应的目标点作为新的子路径的起点与终点，这样，就会产生一个新的子路径，而新产生的子路径没有对应的停靠点。
所述第二贪婪插入算子被应用时，获取在缺失停靠点的子路径中插入各个可行停靠点后的优化目标值，保留优化目标值增加最少的停靠点。也就是说，对于每个缺失停靠点的子路径，均插入各个可行停靠点，获取每个停靠点被插入时的优化目标值增加量，保留优化目标值增加最少的停靠点，并插入至优化目标值增加最少时对应的插入位置，在贪婪插入操作中，缺失停靠点的子路径按照随机顺序一个个被插入停靠点。
所述第二最佳插入算子被应用时，获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价，将插入代价最小的停靠点插入至最佳插入位置，重复所述获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价的步骤，直至所有缺失停靠点的子路径均被插入停靠点。也就是说，在所述第二最佳插入算子被应用时，缺失停靠点的子路径并不是按照随机顺序被插入停靠点，而是根据插入停靠点后插入代价有小到大的顺序被插入停靠点。
所述第二Regret-2插入算子被应用时，获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的停靠点优先被插入至对应的最佳插入位置，重复获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置的步骤，直至每个缺失停靠点的子路径均被插入停靠点。也就是说，所述第二Regret-2插入算子被应用时，缺失停靠点的子路径是按照插入停靠点后最佳插入位置和次佳插入位置之间的插入代价差异由大到小的顺序依次被插入停靠点。
在迭代轮次达到论述阈值后，停止迭代，将每个所述无人机中间路线对应的最优解中优化目标值最优的解作为所述目标路线，完成空地协同任务路线规划，将所述目标路线发送给无人机后，无人机按照所述目标路线中的目标点和停靠点顺序依次访问各个目标点和所述目标路线中的停靠点。
对本实施例提供的空地协同任务路线规划方法进行实验，实验一中无人机移动速度为2m/s，地面车辆移动速度为1m/s,可选停靠点和目标点数量均为12个且位置在一定范围内随机生成，路线规划结果如图3所示。实验二中无人机移动速度为2m/s，地面车辆移动速度为1m/s,可选停靠点和目标点数量分别为50、20个，且位置在一定范围内随机生成，路线规划结果如图4所示，试验结果证明了本实施例提供的空地协同任务路线规划方法可以快速高效地实现空地协同任务中的路线规划。
综上所述，本实施例提供一种空地协同任务路线规划方法，首先根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线，再采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；接着采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线，在规划路线的过程中，在考虑无人机的续航能力生成初始路线后，先对目标点的访问顺序进行优化，再在优化后的目标点访问顺序的基础上优化停靠点，可以实现在空地协同监测任务中快速高效地进行路线规划。
应该理解的是，虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例，本发明还相应提供了一种空地协同任务路线规划装置，如图5所示，所述空地协同任务路线规划装置包括：
初始路线生成模块，所述初始路线生成模块用于根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线，具体如实施例一中所述；
第一优化模块，所述第一优化模块用于采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线，具体如实施例一中所述；
第二优化模块，所述第二优化模块用于采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线，具体如实施例一中所述。
实施例三
基于上述实施例，本发明还相应提供了一种终端，如图6所示，所述终端包括处理器10以及存储器20。图6仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有空地协同任务路线规划程序30，该空地协同任务路线规划程序30可被处理器10所执行，从而实现本申请中空地协同任务路线规划方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述空地协同任务路线规划方法等。
在一实施例中，当处理器10执行所述存储器20中空地协同任务路线规划程序30时实现以下步骤：
根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；
采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；
采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。
其中，所述根据无人机的续航能力、各个待访问的目标点位置和各个停靠点的位置生成至少一个无人机初始路线，包括：
在不考虑无人机的续航能力的前提下生成至少一个完整路线，所述完整路线中包括每个目标点；
根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径；
根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点；
将每个所述子路径对应的停靠点加入至所述目标完整路线，生成所述无人机初始路线。
其中，每个所述子路径中的目标点顺序与所述完整路线中的顺序一致，在满足所述无人机的续航能力的前提下每个所述子路径中包括的目标点数量最大；所述根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径，包括：
对于第n个子路径，从所述第n个子路径的起点开始按照所述完整路线中的顺序依次确定所述第n个子路径中包括的目标点，若第一目标点被包括在所述第n个子路径中时所述第n个子路径超出所述无人机的续航能力，则将所述第一目标点作为第n+1个子路径的起点，n为正整数。
其中，所述根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点，包括：
根据各个停靠点的位置以及目标子路径中各个目标点的位置，确定可选停靠点集；
根据所述无人机的续航能力在所述可选停靠点集中确定所述目标子路径对应的停靠点。
其中，所述采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线，包括：
构建多个第一算子对，每个所述第一算子对中包括第一破坏算子和第一修复算子，所述第一破坏算子被应用时在无人机路线中删除目标点，所述第一修复算子被应用时在无人机路线中插入目标点；
对于各个所述无人机初始路线中的目标无人机初始路线，通过迭代进行优化，得到所述目标无人机初始路线对应的无人机中间路线；
在每一轮迭代中：
初始化每个所述第一算子对被选中的概率为1/N，其中，N为所述第一算子对的数量；
在所述多个第一算子对中选择目标第一算子对，在所述目标无人机初始路线的当前解中应用选中的所述目标第一算子对生成所述目标无人机初始路线的新解；
根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分；
根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率；
重新执行所述在所述多个第一算子对中选择目标第一算子对的步骤，直至本轮迭代中选择目标第一算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将所述目标无人机初始路线对应的最优解作为一个所述无人机中间路线。
其中，所述第一破坏算子包括第一随机破坏算子、第一贪婪破坏算子和第一最大节省破坏算子，所述第一随机破坏算子被应用时，在所述无人机初始路线的当前解中随机选择目标点并删除；
所述第一贪婪破坏算子被应用时，在所述无人机初始路线的当前解中删除花费大于第一预设值的目标点，所述花费包括路程花费和服务时间花费；
所述第一最大节省破坏算子被应用时，在所述无人机初始路线的当前解中删除节省值大于第二预设值的目标点，所述节省值包括所述无人机初始路线的当前解中包括或不包括目标点的优化目标值之差。
其中，所述第一修复算子包括第一贪婪插入算子、第一最佳插入算子和第一Regret-2插入算子；所述第一贪婪插入算子被应用时，将在破坏操作中被删除的每个目标点将在破坏操作中被删除的目标点按照随机顺序依次贪婪插入至目标位置，所述目标位置为目标点被插入至所有可行位置后优化目标值增加最少的位置；
所述第一最佳插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置，将插入代价最小的目标点插入到对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入；
所述第一Regret-2插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的目标点优先被插入至对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入。
其中，所述根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，包括：
当所述目标无人机初始路线的新解对应的优化目标值优于当前的最优解对应的优化目标值时，则将当前解更新为新解，并将最优解更新为新解，将所述目标第一算子对的得分增加σ1；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前的最优解对应的优化目标值，但优于当前解对应的优化目标值时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ2；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前解对应的优化目标值，且所述新解利用模拟退火的策略被接收时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加σ3；
其中，σ1、σ2、σ3为常数，σ1＞σ2＞σ3。
其中，所述根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率，包括：
根据第一公式更新所述目标第一算子对被选中的概率；
所述第一公式为：
wi,j+1＝(1-η)*w′i,j+η*w′i,j
其中，wi,j+1为第i个所述第一算子对在第j+1次第一目标算子对选择时被选中的概率，η为第i个所述第一算子对当前的得分，w′i,j为在本轮迭代中到第j次目标第一算子对被选择后第i个所述第一算子对被选中的次数。
其中，所述结束本轮迭代之后，包括：
根据本轮迭代中最高得分和最低得分的差异对所述次数阈值进行更新。
其中，所述采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，包括：
构建多个第二算子对，每个所述第二算子对中包括第二破坏算子和第二修复算子，所述第二破坏算子被应用时在无人机路线中生成缺失停靠点的子路径，所述第二修复算子被应用时在无人机路线中为缺失停靠点的子路径插入停靠点；
对于各个所述无人机中间路线中的目标无人机中间路线，通过迭代进行优化；
在每一轮迭代中：初始化每个所述第二算子对被选中的概率为1/N，其中，N为所述第二算子对的数量；
在所述多个第二算子对中选择目标第二算子对，在所述目标无人机中间路线的当前解中应用选中的所述目标第二算子对生成所述目标无人机中间路线的新解；
根据所述目标无人机中间路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第二算子对的得分；
根据所述目标第二算子对的得分更新所述目标第二算子对被选中的概率；
重复执行所述在所述多个第二算子对中选择目标第二算子对的步骤，直至本轮迭代中选择目标第二算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将每个所述无人机中间路线对应的最优解中优化目标值最优的解作为所述目标路线。
其中，所述第二破坏算子包括第二随机破坏算子和第二最差路段破坏算子，所述第二修复算子包括第二贪婪插入算子、第二最佳插入算子和第二Regret-2插入算子；
其中，所述第二随机破坏算子被应用时，在所述目标无人机中间路线的当前解中随机选择目标点，当选中的目标点为子路径的起点或终点时，将选中目标点对应的停靠点删除；
所述第二最差路段破坏算子被应用时，在所述目标无人机中间路线的当前解中耗时大于第三预设值的路段对应的目标点作为新的子路径的起点与终点；
所述第二贪婪插入算子被应用时，获取在缺失停靠点的子路径中插入各个可行停靠点后的优化目标值，保留优化目标值增加最少的停靠点；
所述第二最佳插入算子被应用时，获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价，将插入代价最小的停靠点插入至最佳插入位置，重复所述获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价的步骤，直至所有缺失停靠点的子路径均被插入停靠点；
所述第二Regret-2插入算子被应用时，获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的停靠点优先被插入至对应的最佳插入位置，重复获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置的步骤，直至每个缺失停靠点的子路径均被插入停靠点。
实施例四
本发明还提供一种计算机可读存储介质，其中，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的空地协同任务路线规划方法的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种空地协同任务路线规划方法，其特征在于，所述方法包括：
根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；
采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；
采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线；
所述根据无人机的续航能力、各个待访问的目标点位置和各个停靠点的位置生成至少一个无人机初始路线，包括：
在不考虑无人机的续航能力的前提下生成至少一个完整路线，所述完整路线中包括每个目标点；
根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径；
根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点；
将每个所述子路径对应的停靠点加入至所述目标完整路线，生成所述无人机初始路线；
每个所述子路径中的目标点顺序与所述完整路线中的顺序一致，在满足所述无人机的续航能力的前提下每个所述子路径中包括的目标点数量最大；所述根据所述无人机的续航能力对所述至少一个完整路线中的目标完整路线进行拆分，得到多个子路径，包括：
对于第n个子路径，从所述第n个子路径的起点开始按照所述完整路线中的顺序依次确定所述第n个子路径中包括的目标点，若第一目标点被包括在所述第n个子路径中时所述第n个子路径超出所述无人机的续航能力，则将所述第一目标点作为第n+1个子路径的起点，n为正整数；
所述根据各个停靠点的位置以及所述无人机的续航能力确定每个所述子路径对应的停靠点，包括：
根据各个停靠点的位置以及目标子路径中各个目标点的位置，确定可选停靠点集；
根据所述无人机的续航能力在所述可选停靠点集中确定所述目标子路径对应的停靠点；
所述采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线，包括：
构建多个第一算子对，每个所述第一算子对中包括第一破坏算子和第一修复算子，所述第一破坏算子被应用时在无人机路线中删除目标点，所述第一修复算子被应用时在无人机路线中插入目标点；
对于各个所述无人机初始路线中的目标无人机初始路线，通过迭代进行优化，得到所述目标无人机初始路线对应的无人机中间路线；
在每一轮迭代中：
初始化每个所述第一算子对被选中的概率为1/N，其中，N为所述第一算子对的数量；
在所述多个第一算子对中选择目标第一算子对，在所述目标无人机初始路线的当前解中应用选中的所述目标第一算子对生成所述目标无人机初始路线的新解；
根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分；
根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率；
重新执行所述在所述多个第一算子对中选择目标第一算子对的步骤，直至本轮迭代中选择目标第一算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将所述目标无人机初始路线对应的最优解作为一个所述无人机中间路线；
所述第一破坏算子包括第一随机破坏算子、第一贪婪破坏算子和第一最大节省破坏算子；
其中，所述第一随机破坏算子被应用时，在所述无人机初始路线的当前解中随机选择目标点并删除；
所述第一贪婪破坏算子被应用时，在所述无人机初始路线的当前解中删除花费大于第一预设值的目标点，所述花费包括路程花费和服务时间花费；
所述第一最大节省破坏算子被应用时，在所述无人机初始路线的当前解中删除节省值大于第二预设值的目标点，所述节省值包括所述无人机初始路线的当前解中包括或不包括目标点的优化目标值之差；
所述第一修复算子包括第一贪婪插入算子、第一最佳插入算子和第一Regret-2插入算子；
其中，所述第一贪婪插入算子被应用时，将在破坏操作中被删除的每个目标点将在破坏操作中被删除的目标点按照随机顺序依次贪婪插入至目标位置，所述目标位置为目标点被插入至所有可行位置后优化目标值增加最少的位置；
所述第一最佳插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置，将插入代价最小的目标点插入到对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入；
所述第一Regret-2插入算子被应用时，确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的目标点优先被插入至对应的最佳插入位置，重复所述确定在破坏操作中被删除的所有目标点中每个没有被插入的目标点的最佳插入位置的步骤，直至破坏操作中被删除的所有目标点均被插入；
所述根据所述目标无人机初始路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第一算子对的得分，包括：
当所述目标无人机初始路线的新解对应的优化目标值优于当前的最优解对应的优化目标值时，则将当前解更新为新解，并将最优解更新为新解，将所述目标第一算子对的得分增加；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前的最优解对应的优化目标值，但优于当前解对应的优化目标值时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加；
当所述目标无人机初始路线的新解对应的优化目标值劣于当前解对应的优化目标值，且所述新解利用模拟退火的策略被接收时，则将当前解更新为新解，并保持当前的最优解不变，将所述目标第一算子对的得分增加；
其中，、/>、/>为常数，/>＞/>＞/>；
所述根据所述目标第一算子对的得分更新所述目标第一算子对被选中的概率，包括：
根据第一公式更新所述目标第一算子对被选中的概率；
所述第一公式为：
其中，为第/>个所述第一算子对在第/>次目标第一算子对选择时被选中的概率，为第/>个所述第一算子对当前的得分，/>为在本轮迭代中到第/>次目标第一算子对被选择后第/>个所述第一算子对被选中的次数；
所述采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，包括：
构建多个第二算子对，每个所述第二算子对中包括第二破坏算子和第二修复算子，所述第二破坏算子被应用时在无人机路线中生成缺失停靠点的子路径，所述第二修复算子被应用时在无人机路线中为缺失停靠点的子路径插入停靠点；
对于各个所述无人机中间路线中的目标无人机中间路线，通过迭代进行优化；
在每一轮迭代中：
初始化每个所述第二算子对被选中的概率为1/N，其中，N为所述第二算子对的数量；
在所述多个第二算子对中选择目标第二算子对，在所述目标无人机中间路线的当前解中应用选中的所述目标第二算子对生成所述目标无人机中间路线的新解；
根据所述目标无人机中间路线的新解对应的优化目标值更新所述目标无人机初始路线对应的最优解和所述目标第二算子对的得分；
根据所述目标第二算子对的得分更新所述目标第二算子对被选中的概率；
重复执行所述在所述多个第二算子对中选择目标第二算子对的步骤，直至本轮迭代中选择目标第二算子对的次数达到次数阈值，结束本轮迭代，开始下一轮迭代；
当迭代轮数达到轮数阈值后，停止迭代，将每个所述无人机中间路线对应的最优解中优化目标值最优的解作为所述目标路线；
所述第二破坏算子包括第二随机破坏算子和第二最差路段破坏算子，所述第二修复算子包括第二贪婪插入算子、第二最佳插入算子和第二Regret-2插入算子；
其中，所述第二随机破坏算子被应用时，在所述目标无人机中间路线的当前解中随机选择目标点，当选中的目标点为子路径的起点或终点时，将选中目标点对应的停靠点删除；
所述第二最差路段破坏算子被应用时，在所述目标无人机中间路线的当前解中耗时大于第三预设值的路段对应的目标点作为新的子路径的起点与终点；
所述第二贪婪插入算子被应用时，获取在缺失停靠点的子路径中插入各个可行停靠点后的优化目标值，保留优化目标值增加最少的停靠点；
所述第二最佳插入算子被应用时，获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价，将插入代价最小的停靠点插入至最佳插入位置，重复所述获取每个缺失停靠点的子路径插入各个可行停靠点后的优化目标值，确定所有缺失停靠点的子路径的最佳停靠点与代价的步骤，直至所有缺失停靠点的子路径均被插入停靠点；
所述第二Regret-2插入算子被应用时，获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置，最佳插入位置和次佳插入位置差异最大的停靠点优先被插入至对应的最佳插入位置，重复获取每个缺失停靠点的子路径插入每个可行停靠点时的最佳插入位置和次佳插入位置的步骤，直至每个缺失停靠点的子路径均被插入停靠点。
2.根据权利要求1所述的空地协同任务路线规划方法，其特征在于，所述结束本轮迭代之后，包括：
根据本轮迭代中最高得分和最低得分的差异对所述次数阈值进行更新。
3.一种空地协同任务路线规划装置，其特征在于，包括：
所述空地协同任务路线规划装置用于实现上述权利要求1-2任一项所述的空地协同任务路线规划方法；
初始路线生成模块，所述初始路线生成模块用于根据无人机的续航能力、各个待访问的目标点位置和各个车辆停靠点的位置生成至少一个无人机初始路线；
第一优化模块，所述第一优化模块用于采用第一邻域搜索算法对各个所述无人机初始路线中的目标点访问顺序进行优化，得到至少一个无人机中间路线；
第二优化模块，所述第二优化模块用于采用第二邻域搜索算法对各个所述无人机中间路线中的停靠点访问顺序进行优化，将优化过程中的最优解作为目标路线。
4.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述权利要求1-2任一项所述的空地协同任务路线规划方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-2任一项所述的空地协同任务路线规划方法的步骤。
CN202111270090.2A 2021-10-29 2021-10-29 一种空地协同任务路线规划方法、装置、终端及存储介质 Active CN114037131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111270090.2A CN114037131B (zh) 2021-10-29 2021-10-29 一种空地协同任务路线规划方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111270090.2A CN114037131B (zh) 2021-10-29 2021-10-29 一种空地协同任务路线规划方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN114037131A CN114037131A (zh) 2022-02-11
CN114037131B true CN114037131B (zh) 2024-05-14

Family

ID=80135719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111270090.2A Active CN114037131B (zh) 2021-10-29 2021-10-29 一种空地协同任务路线规划方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN114037131B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117288206B (zh) * 2023-11-23 2024-02-02 四川国蓝中天环境科技集团有限公司 一种基于自适应大邻域搜索的无人机路线规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103576698A (zh) * 2012-07-18 2014-02-12 波音公司 协调多个运载器工作分配的任务重新安排
CN109000651A (zh) * 2018-05-31 2018-12-14 上海大学 一种路径规划方法及路径规划装置
CN110428111A (zh) * 2019-08-08 2019-11-08 西安工业大学 Uav/ugv协同长时多任务作业轨迹规划方法
CN112013829A (zh) * 2020-08-12 2020-12-01 西安工业大学 基于多目标优化的多uav/ugv协同长时作业路径规划方法
CN112801361A (zh) * 2021-01-25 2021-05-14 西安工业大学 UAVs和UGVs长时多目标路径规划问题及求解算法
CN113485429A (zh) * 2021-07-23 2021-10-08 安徽有云智能科技有限公司 空地协同交通巡检的路径优化方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8566027B2 (en) * 2012-03-14 2013-10-22 Lockheed Martin Corporation Route re-planning using enemy force lethality projection

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103576698A (zh) * 2012-07-18 2014-02-12 波音公司 协调多个运载器工作分配的任务重新安排
CN109000651A (zh) * 2018-05-31 2018-12-14 上海大学 一种路径规划方法及路径规划装置
CN110428111A (zh) * 2019-08-08 2019-11-08 西安工业大学 Uav/ugv协同长时多任务作业轨迹规划方法
CN112013829A (zh) * 2020-08-12 2020-12-01 西安工业大学 基于多目标优化的多uav/ugv协同长时作业路径规划方法
CN112801361A (zh) * 2021-01-25 2021-05-14 西安工业大学 UAVs和UGVs长时多目标路径规划问题及求解算法
CN113485429A (zh) * 2021-07-23 2021-10-08 安徽有云智能科技有限公司 空地协同交通巡检的路径优化方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多无人机协同目标搜索路径规划仿真;李松;刘海颖;陈志明;;计算机仿真;20180615(06);第52-56页 *

Also Published As

Publication number Publication date
CN114037131A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN108458717A (zh) 一种迭代的快速扩展随机树irrt的无人机路径规划方法
CN114037131B (zh) 一种空地协同任务路线规划方法、装置、终端及存储介质
CN112731961B (zh) 路径规划方法、装置、设备及存储介质
WO2019183967A1 (zh) 一种路径规划方法及装置
CN112859912A (zh) 中继充电模式下无人机路径规划的自适应优化方法与系统
CN111310992B (zh) 面向地震灾后快速评估的多无人机路径优化方法
CN112884256B (zh) 路径规划方法、装置、计算机设备和存储介质
CN115077556A (zh) 一种基于多维度地图的无人车野战路径规划方法
CN113110601B (zh) 一种无人机电力线路巡检路径优化方法及装置
US11333519B2 (en) Dynamic map generation with focus on construction and localization field of technology
US20240077332A1 (en) Method and system for managing a memory in a vehicle
CN113377814A (zh) 一种路径信息获取方法、装置、电子设备和可读介质
CN116817947B (zh) 一种基于变步长机制的任意时路径规划方法
US20230274216A1 (en) Delivery plan generation apparatus, delivery plan generation method, and program
CN116088586A (zh) 一种无人机作战过程中的临机任务规划的方法
CN114001976B (zh) 控制误差的确定方法、装置、设备及存储介质
CN112595333B (zh) 道路导航数据的处理方法、装置、电子设备及存储介质
CN115373400A (zh) 基于动态更新机制蚁群算法的机器人路径规划方法及系统
CN112611388B (zh) 路口生成方法、装置、存储介质及电子设备
CN117930868B (zh) 空中编队的移动自调度设计方法、装置、设备及介质
CN114967757B (zh) 车辆与多无人机协同路径规划方法、装置、终端及介质
CN116385825B (zh) 模型联合训练方法、装置及车辆
CN113342056B (zh) 一种基于改进a星算法的无人机轨迹规划方法
CN112149836B (zh) 一种机器学习程序更新方法、装置及设备
CN116627180B (zh) 一种无人机巡飞规划方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant