城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

城市低空物流无人机航迹规划模型研究

为提高物流无人机在城市低空环境下配送的安全性和公众接受程度，保证运输经济性，提出一种考虑运行风险、噪声水平和运输成本的城市低空物流无人机航迹规划方法。采用栅格法进行空域环境表征，建立基于风险的城市空域环境模型。结合物流配送要求，建立多目标、多约束的物流无人机航迹规划模型。采用改进A*算法进行求解：为降低航迹代价，设计估价函数预估成本；为保证飞行安全，引入安全保护区确保间隔；为提升搜索效率，采用动态步长加快搜索进程。仿真结果表明：本文模型和算法所得航迹的运行风险小、噪声水平低、运输成本低，能够实现多目标优化。分析模型参数可知，当各子目标代价权重分别为0.6、0.1和0.3时，规划航迹最优。 保证其余参数不变，增大安全间隔，则风险代价、运输成本代价总体呈增加趋势，噪声代价减少。 在本文规划环境下，参考大疆经纬200无人机参数，在安全间隔取15 m时，综合代价最小。     

改进A*算法的物流无人机运输路径规划

针对低空环境下物流无人机运输路径规划问题,综合考虑低空规划空域、物理性能等内外限制,设计了一种改进A~*算法用以快速解算路径。该算法以栅格法飞行区域建模为基础,为适用无人机航空物流运输,在成本函数中引入栅格危险度并增加飞行时间、能源消耗等代价,同时采用动态加权法对估计函数的权值赋值。在既定的路径规划环境及物流无人机性能约束下,仿真结果表明:该算法能快速规划出危险度小、能耗少的避障运输路径,且性能相比原算法、蚁群算法优;并得出最佳路径所对应的栅格粒度大小与代价权重值取值,验证了本算法的有效性。     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

复杂城市环境下无人机路网模型研究

针对复杂城市环境下无人机路径规划问题，采用三维可视图法研究路网模型。首先，在考虑无人机飞行安全裕度的前提下，将城市密集而不规则的障碍物环境进行变形重组，再以不同的水平和竖直间隔对障碍物外表面进行离散化的节点采集，并构建基于三维可视图的复杂城市低空路网模型。其次，为降低无人机之间的潜在冲突和碰撞风险，引入无人机机动保护区的概念，进一步缩减路网规模，优化路网结构。最后，结合无人机性能和平稳飞行的要求，以最大航向角改变量作为主要限制条件，以最小化路径长度为目标，提出改进的涟漪扩散算法进行求解。仿真结果表明：三维可视图中的采点间隔直接决定了路网模型中节点和链接的数量，并对最优路径与规划时间具有显著影响；1000组仿真实验表明，考虑机动保护区后，最短路径的平均长度相较于无机动保护区时增长了不足1%，而计算耗时降低了近70%。仿真实验验证，通过引入无人机机动保护区和航向角改变量的限制，能够有效降低路网规模，提升运算效率，并有利于获得平滑的路径，降低无人机的潜在碰撞风险。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

基于蚁群算法的冷链物流路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中的重要问题之一.针对物流配送路径优化问题,依据冷链物流配送基础理论,考虑成本、货物损失及制冷时长等因素,构建基于多配送中心的最小配送成本模型,建立由运输成本、制冷成本、损坏成本及绿色低碳成本组成的复合目标模型.利用蚁群算法求解,以某类冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的科学性及有效性,得出最短运输距离为39.06 km、成本为1437.48元的结论.相对于搜索禁忌算法和遗传算法,蚁群算法在多配送中心冷链物流路径优化方面,能够平均减少1.11 km的运输距离和51.21元成本,更好地解决物流路径优化问题,提高物流服务质量.     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

UAV's Coverage Search Planning Algorithm Based on Action Combinations

The autonomous route planning in coverage search is an important subject of unmanned aerial vehicle(UAV) mission planning. Pre-planning is simple and feasible for the coverage search mission of single UAV in regular areas. As to the dynamic mission in complicated environment of multi-UAV, the route planning will encounter the difficulties of reasonable task distribution and the real-time environment changes which include the changes of the mission area, the detection of threat area, the interference of communication and so on. At this point, making the UAV to do real-time autonomous planning is necessary. However, it is hard to fulfil requirements of real-time, autonomous and efficient at the same time. According to a scalable knowledge base,this paper proposes a coverage search algorithm which is based on the mapping between the basic behavior combination and surroundings. A UAV's coverage search simulation model with random shapes is built with a discrete map to update the environment and the changes of the mission on time. Comparison of the simulation analysis and the dynamic programming shows that the method has amazing expandability and can change the search strategy feasibly. It is efficient, and the ratio of coverage redundancy can be decreased to 1.21. It also has the potentiality in real-time calculation, and the computing time can be shortened to about 2 s.     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题,对驾驶员产生干扰. 为解决这一问题,本文基于A* (A-star)算法,提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响,在模型的估价函数中增设惩罚系数,可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究,借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后,对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案,证明本文模型在指引路径规划时可有效避免信息过载问题.     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题，对驾驶员产生干扰. 为解决这一问题，本文基于A* (A-star)算法，提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响，在模型的估价函数中增设惩罚系数，可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究，借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后，对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案，证明本文模型在指引路径规划时可有效避免信息过载问题.     

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避-重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.