CN114326800B - 一种面向综合任务的无人机任务规划方法 - Google Patents

Abstract

本发明公开了一种面向综合任务的无人机任务规划方法，包括以下步骤：获取仓库信息，资源信息，无人机信息、投送点信息和巡逻路段信息；根据仓库信息、投送点信息和巡逻路段信息，将整个投送任务区按照仓库数量划分为多个任务区，每个任务区包括一个仓库、若干个投送点和若干个巡逻路段；分别在每个任务区内建立各自的单区投送巡逻任务规划模型；求解每个任务区内的单区投送巡逻任务规划模型，获得每个任务区中的单区投送巡逻任务规划方案；综合多个任务区的单区投送巡逻任务规划方案，获得未完成的投送任务和巡逻，建立跨任务区的补充投送巡逻任务规划模型；求解补充投送巡逻任务规划方案，进而获得整个投送巡逻任务规划方案。

Description

一种面向综合任务的无人机任务规划方法

技术领域

本发明属于任务规划技术领域，具体涉及一种面向综合任务的无人机任务规划方法。

背景技术

近年来，随着无人机技术的发展，无人机被用于各种各样的作战任务中，无人机可以用于投送任务，在投送的过程中同样也可以进行巡逻，基于无人机的综合任务规划问题，是近年来研究的新方向。

无人机投送任务过程同时进行巡逻任务，投送任务的物资仓库可以用于一种或者几种物资的存放，且能够提供无人机起飞和降落，并且提供无人机的维修保障功能；假设无人机每次可以运载一种物资飞行至投送点执行投送任务，任务区域内有若干个投送点，且投送点按照所需的投送物资种类数量可以进行分类，在每个任务周期内，每个投送点所需物资需要在不同的时间约束下进行投送，由于投送过程中，无人机可以实现投送点之间航迹线路规划，实现重点航迹线路的巡逻或侦察，如何规划在任务周期内无人机的调度策略，在能够完成投送任务和线路巡逻的前提下，实现无人机数量最小或者无人机飞行时间最短等优化目标，是无人机面向综合任务规划中需要解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种面向综合任务的无人机任务规划方法，用于解决现有技术中存在的问题，从而实现在同时执行投送任务和线路巡逻任务中高效地进行无人机的规划调度。

基于上述目的，提供了一种面向综合任务的无人机任务规划方法，包括以下步骤：

步骤1，获取仓库信息，资源信息，无人机信息、投送点信息和巡逻路段信息；同一任务周期内，若某一投送点需要多次投送时，则按照投送次数将该投送点分化为多个投送点，所述的多个投送点的位置相同，但彼此之间为飞行距离和飞行时间设置为无穷大，若某一路段需要多次巡逻，则按照巡逻次数将该路段分化为多个巡逻路段，所述的多个巡逻路段的位置相同，但彼此之间的飞行距离和飞行时间设置为无穷大；

步骤2，根据仓库信息、投送点信息和巡逻路段信息，将整个投送任务区按照仓库数量划分为多个任务区，每个任务区包括一个仓库、若干个投送点和若干个巡逻路段；

步骤3，分别在每个任务区内建立各自的单区投送巡逻任务规划模型；

步骤4，求解每个任务区内的单区投送巡逻任务规划模型，获得每个任务区中的单区投送巡逻任务规划方案；

步骤5，综合多个任务区的单区投送巡逻任务规划方案，获得未完成的投送任务和巡逻，建立跨任务区的补充投送巡逻任务规划模型；

步骤6，求解补充投送巡逻任务规划方案，进而获得整个投送巡逻任务规划方案。

进一步地，所述的单区投送巡逻任务规划模型的目标函数包括两个目标函数，第一目标函数是最小化无人机数量，表示为Min(N_UAV)，N_UAV表示无人机数量，第二个目标函数是最小化无人机的飞行时间，表示为表示无人机v从投送点i直接飞行到投送点j，t_ij表示无人机从投送点i到投送点j的时间；

所述的单区投送巡逻任务规划模型的约束条件包括：

无人机飞行能力约束：表示无人机v实际飞行航迹时间不超过无人机v的续航时间T_v；

投送次数的约束：表示对于任意投送点j实际被投送次数大于等于该投送点所需的最小投送次数Tmin_j，小于该投送点的最大投送次数Tmax_j；表示对于任意投送点i实际被投送次数大于等于该投送点所需的最小投送次数Tmin_i，小于该投送点的最大投送次数Tmax_i；

投送时间的约束：Et_i≤Gt_i≤Lt_i，表示对于任意投送点i的实际投送时间Gt_i必须在对i投送任务的最早执行时间Et_i与最晚执行时间Lt_i之间；

投送时间序列的约束：表示对于任意无人机v，如果存在无人机v从投送点i到投送点j的轨迹，那么无人机v在投送点i的实际时间Gt_i加上两个投送点之间的飞行时间，应该小于等于无人机v到达投送点j的实际时间Gt_j；

实际投送时间的取值约束：Gt_i≥0，表示对于任意投送点i，其实际投送时间均大于等于0；

无人机航迹的约束：表示对于任意无人机v，不会出现飞行航迹在投送点之间进行子循环；

决策变量的取值约束：表示决策变量只能取值0或者1，取值为1时表示存在无人机v从投送点i直接飞行到投送点j的航迹，取值为0时表示不存在无人机v从投送点i直接飞行到投送点j的航迹；

无人机的起飞和降落约束：表示对于任意无人机的起飞点是仓库，执行完投送任务后也必须降落在仓库；

路段巡逻的约束：若Rt_ij＝1，则要求或者/>表示对于任意无人机v，当投送点i和j之间的路段为巡逻路段，即Rt_ij＝1时，则要求/>或者/>即要求无人机必须通过该巡逻路段；

其中，UAV＝{1,2,…m}表示无人机的集合，Loc＝{0,1,2，…n}表示仓库和投送点目标集合，其中{0}表示区域内唯一的仓库，Rt为巡逻路段约束矩阵，每个元素Rt_ij取值为0或1，当Rt_ij＝1时，表示投送点i和j之间的路段为巡逻路段，当Rt_ij＝0时，表示投送点i和j之间的路段为非巡逻路段。

具体地，步骤4中所述的求解每个任务区内的单区投送巡逻任务规划模型采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的单区投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算单区投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算单区投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据单区投送巡逻任务规划模型求解的决策变量，进行解码获得单区投送巡逻任务规划方案。

更进一步地，步骤5中所述的补充投送巡逻任务规划模型包括两个阶段，第一个阶段是对未完成的投送巡逻任务的跨区域划分，第二个阶段是根据第一个阶段的划分结果，建立未完成的投送任务的补充投送巡逻任务规划模型；

第一个阶段包括以下步骤：

步骤501，初始化未完成的投送巡逻任务集合Task＝{t₁,t₂,…,t_M}，未完成投送巡逻任务投送点集合Loc_t和巡逻路段集合Rt_t，所述投送任务所需的资源集合R＝{r₁,r₂,…,r_M}，仓库集合H＝{h₁,h₂,…,h_N}及其对应拥有的资源集合

步骤502，从未完成的投送任务集合中取出一个任务t_i，对应的投送点loc_i或巡逻路段rt_i，以及该任务需要的资源种类r_i；

步骤503，遍历仓库集合，获得能够满足任务t_i所需的资源种类r_i的仓库集合H_ti；

步骤504，若任务t_i中是投送点loc_i，则找到仓库集合H_ti中距离投送点loc_i最近仓库h_ti，将任务t_i和投送点loc_i与仓库h_ti划分到同一区域；若任务t_i中是巡逻路段rt_i，则找到仓库集合H_ti中距离巡逻路段rt_i最近仓库h_ti，将任务t_i和巡逻路段rt_i与仓库h_ti划分到同一区域，并将t_i从Task＝{t₁,t₂,…,t_M}中移除并将t_i从Task＝{t₁,t₂,…,t_M}中移除；

步骤505，重复步骤502至步骤504，直到所有的未完成的投送任务均完成区域划分；

第二个阶段包括以下步骤：

步骤506，根据第一个阶段的跨区域划分结果，将未完成的投送任务、投送点和巡逻路段按照使用到的仓库集合进行分区；

步骤507，在步骤506跨区域分区结果的基础上建立与步骤3相似的划分单区投送巡逻任务规划模型，即为补充投送巡逻任务规划模型；

步骤6中所述的整个投送任务规划方案的获得是整合步骤4中单区投送巡逻任务规划方案和步骤6中补充投送巡逻任务规划方案获得的。

具体地，步骤6中所述的求解补充投送巡逻任务规划方案采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的补充投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算补充投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算补充投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据补充投送巡逻任务规划模型求解的决策变量，进行解码获得补充投送巡逻任务规划方案。

优选地，所述的规划求解器选用lingo、Matlab、iCplex、Gurobi、Ipsolve中的一种或多种

优选地，步骤2中所述的将整个投送任务区按照仓库数量划分为多个任务区的过程，是以仓库数量为类别数量，将每一个仓库分为一个类别，同时对投送点和巡逻路段与仓库位置的距离作为影响因素的分类过程。

利用无人机同时执行投送任务和巡逻任务，如果按照原问题进行建模分析，那么决策变量的维度多且建模难度大，且本发明方法时空分治和任务分解的思想，首先，按照仓库信息、巡逻路段信息和投送点信息，将整个任务区按照空间划分多个子任务区，每个仓库保障一个子任务区，这样就将多仓库规划问题变成了单仓库规划问题，其次，根据投送点需要的投送次数和巡逻路段需要的巡逻次数，将需要多次投送的一个投送点或巡逻路段转化为相同位置的多个投送点或巡逻路段，使其计算更为简单，最后，考虑由于各个仓库物资的限制或无人机的限制，导致无法满足投送点和巡逻路段的需求，所以又建立了跨任务区的规划模型，使得求解的投送巡逻任务规划方案更加准确和全面。

附图说明

图1为本发明实施例的无人机任务规划方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例中将投送巡逻综合任务规划中的相关信息进行明确，使得模型和求解方法更加具体。现有仓库3个，可以实现无人机(UAV)的起飞和降落，每个仓库具备一定数量的同型UAV，每架UAV可以运载一种物资去进行投送，已知仓库1具有两种物资，仓库2具有两种物资，仓库3具有三种物资，任务区域内具有30个投送点，其中包括6个I型投送点，12个II型投送点和12个III型投送点，仓库和投送点位置均已知，要求对I型投送点每天至少投送三种不同物资，对II型投送点每天至少投送两种不同的物资，对III型投送点每天至少投送一种不同的物资。无人机的飞行速度，最大航行时间都已知，且每进行一段时间的飞行，必须要降落到仓库进行维修保养工作，且维修保养时间确定。在执行投送任务的同时，要实现对投送点之间的重点路段进行巡逻，所述的重点路段均为在投送点之间的路段，要求在确保投送巡逻任务完成的情况下，至少需要配置多少UAV，且给出在一天时间内，所有UAV的规划调度方案，包括每个UAV的起飞仓库及时间，运载物资，航迹，投送时间、降落仓库及时间、维保时间等。

基于上述问题，提出了一种面向综合任务的无人机任务规划方法，采用时空分治和任务分解的思路对问题的决策变量简化，首先，按照仓库信息、巡逻路段信息和投送点信息，将整个任务区按照空间划分多个子任务区，每个仓库保障一个子任务区，这样就将多仓库规划问题变成了单仓库规划问题，其次，根据投送点需要的投送次数和巡逻路段需要的巡逻次数，将需要多次投送的一个投送点或巡逻路段转化为相同位置的多个投送点或巡逻路段，使其计算更为简单，最后，考虑由于各个仓库物资的限制或无人机的限制，导致无法满足投送点和巡逻路段的需求，所以又建立了跨任务区的规划模型，使得求解的投送巡逻任务规划方案更加准确和全面。主要包括以下步骤：

步骤1，获取仓库信息，资源信息，无人机信息、投送点信息和巡逻路段信息；同一任务周期内，若某一投送点需要多次投送时，则按照投送次数将该投送点分化为多个投送点，所述的多个投送点的位置相同，但彼此之间为飞行距离和飞行时间设置为无穷大，若某一路段需要多次巡逻，则按照巡逻次数将该路段分化为多个巡逻路段，所述的多个巡逻路段的位置相同，但彼此之间的飞行距离和飞行时间设置为无穷大；比如在对II型投送点进行投送时，需要每天至少投送两种不同物资，这个时候可以将该投送点转化为多个独立的但是坐标相同的投送点，这样就可以将决策变量进行降维，比如II01投送点可以被视为两个投送点II01-1和II01-2，这两个投送点虽然坐标相同，但是两点之间的飞行距离或者飞行时间设置为无穷大，使得在规划过程中不会存在同一架无人机不会从II01-1投送点飞行至II01-2投送点；

步骤2，根据仓库信息、投送点信息和巡逻路段信息，将整个投送任务区按照仓库数量划分为多个任务区，每个任务区包括一个仓库、若干个投送点和若干个巡逻路段；

步骤3，分别在每个任务区内建立各自的单区投送巡逻任务规划模型；

步骤4，求解每个任务区内的单区投送巡逻任务规划模型，获得每个任务区中的单区投送巡逻任务规划方案；

步骤5，综合多个任务区的单区投送巡逻任务规划方案，获得未完成的投送任务和巡逻，建立跨任务区的补充投送巡逻任务规划模型；

步骤6，求解补充投送巡逻任务规划方案，进而获得整个投送巡逻任务规划方案。

事实上，所谓单区投送巡逻任务实际上应该满足以下条件：

(1)最小化的无人机的使用数量；

(2)所有无人机在任务区内飞行的距离或者飞行的时间最少；

(3)每个投送任务在所属的时间窗口内完成；

(4)每个巡逻路段必须被航迹覆盖。

所述的单区投送巡逻任务规划模型的目标函数包括两个目标函数，第一目标函数是最小化无人机数量，表示为Min(N_UAV)，N_UAV表示无人机数量，第二个目标函数是最小化无人机的飞行时间，表示为表示无人机v从投送点i直接飞行到投送点j，t_ij表示无人机从投送点i到投送点j的时间；

所述的单区投送巡逻任务规划模型的约束条件包括：

无人机飞行能力约束：表示无人机v实际飞行航迹时间不超过无人机v的续航时间T_v；

投送次数的约束：表示对于任意投送点j实际被投送次数大于等于该投送点所需的最小投送次数Tmin_j，小于该投送点的最大投送次数Tmax_j；表示对于任意投送点i实际被投送次数大于等于该投送点所需的最小投送次数Tmin_i，小于该投送点的最大投送次数Tmax_i；

投送时间的约束：Et_i≤Gt_i≤Lt_i，表示对于任意投送点i的实际投送时间Gt_i必须在对i投送任务的最早执行时间Et_i与最晚执行时间Lt_i之间；

投送时间序列的约束：表示对于任意无人机v，如果存在无人机v从投送点i到投送点j的轨迹，那么无人机v在投送点i的实际时间Gt_i加上两个投送点之间的飞行时间，应该小于等于无人机v到达投送点j的实际时间Gt_j；

实际投送时间的取值约束：Gt_i≥0，表示对于任意投送点i，其实际投送时间均大于等于0；

无人机航迹的约束：表示对于任意无人机v，不会出现飞行航迹在投送点之间进行子循环；

决策变量的取值约束：表示决策变量只能取值0或者1，取值为1时表示存在无人机v从投送点i直接飞行到投送点j的航迹，取值为0时表示不存在无人机v从投送点i直接飞行到投送点j的航迹；

无人机的起飞和降落约束：表示对于任意无人机的起飞点是仓库，执行完投送任务后也必须降落在仓库；

路段巡逻的约束：若Rt_ij＝1，则要求或者/>表示对于任意无人机v，当投送点i和j之间的路段为巡逻路段，即Rt_ij＝1时，则要求/>或者/>即要求无人机必须通过该巡逻路段；

其中，UAV＝{1,2,…m}表示无人机的集合，Loc＝{0,1,2，…n}表示仓库和投送点目标集合，其中{0}表示区域内唯一的仓库，Rt为巡逻路段约束矩阵，每个元素Rt_ij取值为0或1，当Rt_ij＝1时，表示投送点i和j之间的路段为巡逻路段，当Rt_ij＝0时，表示投送点i和j之间的路段为非巡逻路段。

步骤4中所述的求解每个任务区内的单区投送巡逻任务规划模型采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的单区投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算单区投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算单区投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据单区投送巡逻任务规划模型求解的决策变量，进行解码获得单区投送巡逻任务规划方案。

步骤5中所述的补充投送巡逻任务规划模型包括两个阶段，第一个阶段是对未完成的投送巡逻任务的跨区域划分，第二个阶段是根据第一个阶段的划分结果，建立未完成的投送任务的补充投送巡逻任务规划模型；

第一个阶段包括以下步骤：

步骤501，初始化未完成的投送巡逻任务集合Task＝{t₁,t₂,…,t_M}，未完成投送巡逻任务投送点集合Loc_t和巡逻路段集合Rt_t，所述投送任务所需的资源集合R＝{r₁,r₂,…,r_M}，仓库集合H＝{h₁,h₂,…,h_N}及其对应拥有的资源集合

步骤502，从未完成的投送任务集合中取出一个任务t_i，对应的投送点loc_i或巡逻路段rt_i，以及该任务需要的资源种类r_i；

步骤503，遍历仓库集合，获得能够满足任务t_i所需的资源种类r_i的仓库集合H_ti；

步骤504，若任务t_i中是投送点loc_i，则找到仓库集合H_ti中距离投送点loc_i最近仓库h_ti，将任务t_i和投送点loc_i与仓库h_ti划分到同一区域；若任务t_i中是巡逻路段rt_i，则找到仓库集合H_ti中距离巡逻路段rt_i最近仓库h_ti，将任务t_i和巡逻路段rt_i与仓库h_ti划分到同一区域，并将t_i从Task＝{t₁,t₂,…,t_M}中移除并将t_i从Task＝{t₁,t₂,…,t_M}中移除；

步骤505，重复步骤502至步骤504，直到所有的未完成的投送任务均完成区域划分；

第二个阶段包括以下步骤：

步骤506，根据第一个阶段的跨区域划分结果，将未完成的投送任务、投送点和巡逻路段按照使用到的仓库集合进行分区；

步骤507，在步骤506跨区域分区结果的基础上建立与步骤3相似的划分单区投送巡逻任务规划模型，即为补充投送巡逻任务规划模型；

步骤6中所述的整个投送任务规划方案的获得是整合步骤4中单区投送巡逻任务规划方案和步骤6中补充投送巡逻任务规划方案获得的。

步骤6中所述的求解补充投送巡逻任务规划方案采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的补充投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算补充投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算补充投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据补充投送巡逻任务规划模型求解的决策变量，进行解码获得补充投送巡逻任务规划方案。

所述的规划求解器选用lingo、Matlab、iCplex、Gurobi、Ipsolve中的一种或多种。

步骤2中所述的将整个投送任务区按照仓库数量划分为多个任务区的过程，是以仓库数量为类别数量，将每一个仓库分为一个类别，同时对投送点和巡逻路段与仓库位置的距离作为影响因素的分类过程。

事实上，所谓的多任务区分区可以采用多种方法，只要合理且实用即可。

由发明内容和实施例可知，本发明一种面向综合任务的无人机任务规划方法，在时间和空间维度将其问题进行降维简化，同时在任务过程中进行分解和协同，建立单区投送巡逻任务规划模型，同时为确保问题得到全面解决，又设计了跨任务区的补充任务巡逻规划模型，使得本发明方法既能在有效的时间求解任务规划问题，又使得任务规划得到的方案能够获得满意的效果。

Claims (6)

1.一种面向综合任务的无人机任务规划方法，其特征在于，包括以下步骤：

步骤1，获取仓库信息，资源信息，无人机信息、投送点信息和巡逻路段信息；同一任务周期内，若某一投送点需要多次投送时，则按照投送次数将该投送点分化为多个投送点，所述的多个投送点的位置相同，但彼此之间为飞行距离和飞行时间设置为无穷大，若某一路段需要多次巡逻，则按照巡逻次数将该路段分化为多个巡逻路段，所述的多个巡逻路段的位置相同，但彼此之间的飞行距离和飞行时间设置为无穷大；

步骤2，根据仓库信息、投送点信息和巡逻路段信息，将整个投送任务区按照仓库数量划分为多个任务区，每个任务区包括一个仓库、若干个投送点和若干个巡逻路段；

步骤3，分别在每个任务区内建立各自的单区投送巡逻任务规划模型；

步骤4，求解每个任务区内的单区投送巡逻任务规划模型，获得每个任务区中的单区投送巡逻任务规划方案；

步骤5，综合多个任务区的单区投送巡逻任务规划方案，获得未完成的投送任务和巡逻，建立跨任务区的补充投送巡逻任务规划模型；

步骤6，求解补充投送巡逻任务规划方案，进而获得整个投送巡逻任务规划方案；

所述的单区投送巡逻任务规划模型的目标函数包括两个目标函数，第一目标函数是最小化无人机数量，表示为Min(N_UAV)，N_UAV表示无人机数量，第二个目标函数是最小化无人机的飞行时间，表示为 表示无人机v从投送点i直接飞行到投送点j，t_ij表示无人机从投送点i到投送点j的时间；

所述的单区投送巡逻任务规划模型的约束条件包括：

无人机飞行能力约束：表示无人机v实际飞行航迹时间不超过无人机v的续航时间T_v；

投送次数的约束：表示对于任意投送点j实际被投送次数大于等于该投送点所需的最小投送次数Tmin_j，小于该投送点的最大投送次数Tmax_j；表示对于任意投送点i实际被投送次数大于等于该投送点所需的最小投送次数Tmin_i，小于该投送点的最大投送次数Tmax_i；

投送时间的约束：Et_i≤Gt_i≤Lt_i，表示对于任意投送点i的实际投送时间Gt_i必须在对i投送任务的最早执行时间Et_i与最晚执行时间Lt_i之间；

投送时间序列的约束：表示对于任意无人机v，如果存在无人机v从投送点i到投送点j的轨迹，那么无人机v在投送点i的实际时间Gt_i加上两个投送点之间的飞行时间，应该小于等于无人机v到达投送点j的实际时间Gt_j；

实际投送时间的取值约束：Gt_i≥0，表示对于任意投送点i，其实际投送时间均大于等于0；

无人机航迹的约束：表示对于任意无人机v，不会出现飞行航迹在投送点之间进行子循环；

决策变量的取值约束：表示决策变量只能取值0或者1，取值为1时表示存在无人机v从投送点i直接飞行到投送点j的航迹，取值为0时表示不存在无人机v从投送点i直接飞行到投送点j的航迹；

无人机的起飞和降落约束：表示对于任意无人机的起飞点是仓库，执行完投送任务后也必须降落在仓库；

路段巡逻的约束：若Rt_ij＝1，则要求或者/>表示对于任意无人机v，当投送点i和j之间的路段为巡逻路段，即Rt_ij＝1时，则要求/>或者/>即要求无人机必须通过该巡逻路段；

其中，UAV＝{1,2,…m}表示无人机的集合，Loc＝{0,1,2，…n}表示仓库和投送点目标集合，其中{0}表示区域内唯一的仓库，Rt为巡逻路段约束矩阵，每个元素Rt_ij取值为0或1，当Rt_ij＝1时，表示投送点i和j之间的路段为巡逻路段，当Rt_ij＝0时，表示投送点i和j之间的路段为非巡逻路段。

2.根据权利要求1所述的一种面向综合任务的无人机任务规划方法，其特征在于，步骤4中所述的求解每个任务区内的单区投送巡逻任务规划模型采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的单区投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算单区投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算单区投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据单区投送巡逻任务规划模型求解的决策变量，进行解码获得单区投送巡逻任务规划方案。

3.根据权利要求2所述的一种面向综合任务的无人机任务规划方法，其特征在于，步骤5中所述的补充投送巡逻任务规划模型包括两个阶段，第一个阶段是对未完成的投送巡逻任务的跨区域划分，第二个阶段是根据第一个阶段的划分结果，建立未完成的投送任务的补充投送巡逻任务规划模型；

第一个阶段包括以下步骤：

步骤501，初始化未完成的投送巡逻任务集合Task＝{t₁,t₂,…,t_M}，未完成投送巡逻任务投送点集合Loc_t和巡逻路段集合Rt_t，所述投送任务所需的资源集合R＝{r₁,r₂,…,r_M}，仓库集合H＝{h₁,h₂,…,h_N}及其对应拥有的资源集合

步骤502，从未完成的投送任务集合中取出一个任务t_i，对应的投送点loc_i或巡逻路段rt_i，以及该任务需要的资源种类r_i；

步骤503，遍历仓库集合，获得能够满足任务t_i所需的资源种类r_i的仓库集合H_ti；

步骤504，若任务t_i中是投送点loc_i，则找到仓库集合H_ti中距离投送点loc_i最近仓库h_ti，将任务t_i和投送点loc_i与仓库h_ti划分到同一区域；若任务t_i中是巡逻路段rt_i，则找到仓库集合H_ti中距离巡逻路段rt_i最近仓库h_ti，将任务t_i和巡逻路段rt_i与仓库h_ti划分到同一区域，并将t_i从Task＝{t₁,t₂,…,t_M}中移除并将t_i从Task＝{t₁,t₂,…,t_M}中移除；

步骤505，重复步骤502至步骤504，直到所有的未完成的投送任务均完成区域划分；

第二个阶段包括以下步骤：

步骤506，根据第一个阶段的跨区域划分结果，将未完成的投送任务、投送点和巡逻路段按照使用到的仓库集合进行分区；

步骤507，在步骤506跨区域分区结果的基础上建立与步骤3相似的划分单区投送巡逻任务规划模型，即为补充投送巡逻任务规划模型；

步骤6中所述的整个投送任务规划方案的获得是整合步骤4中单区投送巡逻任务规划方案和步骤6中补充投送巡逻任务规划方案获得的。

4.根据权利要求3所述的一种面向综合任务的无人机任务规划方法，其特征在于，步骤6中所述的求解补充投送巡逻任务规划方案采用两阶段迭代求解方法，包括以下步骤：

步骤401，初始化无人机数量为1；

步骤402，将所述的补充投送巡逻任务规划模型输入规划求解器进行求解；

步骤403，若计算补充投送巡逻任务规划模型无解，则将无人机数量加1，继续步骤402；

步骤404，若计算补充投送巡逻任务规划模型有解，则保存无人机数量和无人机的飞行时间；

步骤405，根据补充投送巡逻任务规划模型求解的决策变量，进行解码获得补充投送巡逻任务规划方案。

5.根据权利要求4所述的一种面向综合任务的无人机任务规划方法，其特征在于，所述的规划求解器选用lingo、Matlab、iCplex、Gurobi、Ipsolve中的一种或多种。

6.根据权利要求4所述的一种面向综合任务的无人机任务规划方法，其特征在于，步骤2中所述的将整个投送任务区按照仓库数量划分为多个任务区的过程，是以仓库数量为类别数量，将每一个仓库分为一个类别，同时对投送点和巡逻路段与仓库位置的距离作为影响因素的分类过程。