一种基于改进遗传算法的多无人机大气监测路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112580893A(43)申请公布日2021.03.30(21)申请号202011597913.8(22)申请日2020.12.29(71)申请人浙江量大智能科技有限公司地址310018浙江省杭州市杭州经济技术开发区8号大街1号中策园5号标准厂房3层308室(72)发明人丁涛张振明刘振国崔学林(51)Int.Cl.G06Q10/04(2012.01)G06N3/12(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种基于改进遗传算法的多无人机大气监测路径规划方法(57)摘要本发明公开了一种基于改进遗传算法的多无人机大气监测路径规划方法，该方法针对工业园区污染监测的特定问题来构建目标函数和约束条件，目标函数中考虑了各无人机监测路径总长度、飞行高度稳定性和飞行路径转弯角的优化；特定的约束条件包括遍历工业园区内所有污染源监测点、无人机起飞基地和终点基地均为出发点、每个污染源仅停留一次、单架无人机续航能力约束和其他约束。而后采用所提出的一种改进遗传算法对规划模型进行优化，该算法在传统遗传算法的基础上，提出适用于解决多旅行商(MTSP)问题的交叉变异方式，同时结合模拟退火思想以一定的概率接受变异后的差解，提高了种群局部搜索能力，有效避免算法陷入局部最优。CN112580893ACN112580893A权利要求书1/2页1.一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于，包括以下步骤：步骤1：获取目标工业园区的环境信息；步骤2：根据工业园区的三维环境信息构建大气污染源监测的路径优化问题模型，设定模型的特定目标函数F和约束条件；步骤3：根据无人机数量m，通过多染色体编码方式进行编码，每条染色体的基因编码序列代表该无人机对工业园区中污染源的监测序列；步骤4：根据设定模型的特定目标函数F和约束条件计算算法适应度函数fit(F)；步骤5：对种群染色体进行交叉、变异操作，产生新的个体，并计算其适应度函数fit(F′)；步骤6：采用模拟退火思想判断是否接受变异后的新个体；步骤7：判断是否满足终止条件，若满足，则记录当前最优解，算法结束；否则，返回步骤5；步骤8：根据当前最优工业园区污染源监测路径，设置各无人机航点及各点悬停时间，进行工业园区污染源监测任务。2.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤1中工业园区的环境信息包括无人机出发基地和n个污染源位置的三维坐标信息、单架无人机续航时间、无人机飞行单位能耗、无人机悬停单位能耗、各污染源排放污染物类别和排放污染物数量、各污染源无人机停留时间、无人机数目m。3.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤2中的目标函数为：minF＝w1·L/Lmax+w2·H/Hmax+w3·θ/θmax其中，w1，w2和w3为监测路径总长度L、无人机飞行高度的稳定性H、无人机飞行路径转弯角θ的三个子目标的权重，w1+w2+w3＝1；Lmax、Hmax和θma为预先设定的极大值，目的为去量纲化。4.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤2中的约束条件包括：遍历工业园区内所有污染源监测点、无人机起飞基地和终点基地均为出发点；每个污染源仅停留一次；单架无人机续航能力约束和其他约束。5.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤5中种群染色体交叉操作是指随机选择两个个体相同数目的基因，按交叉概率P实行交换。6.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤5中种群染色体变异操作是指通过轮盘赌注法，随机选择2变换法或者3变换法对单个染色体的基因序列进行交换。7.根据权利要求1所述的一种基于改进遗传算法的多无人机大气监测路径规划方法，其特征在于：所述步骤6中模拟退火思想判断准则为：2CN112580893A权利要求书2/2页令Δf＝fit(F′)‑fit(F)，若Δf＜0，则F＝F′，fit(F)＝fit(F′)；若Δf＞0且c＝randon(0，1)＞P，则F＝F′，fit(F)＝fit(F′)；否则F＝F，fit(F)＝fit(F)；其中F为父代基因序列，F′为子代基因序列，i为迭代次数，Ti为经过i次迭代后的温度。3CN112580893A说明书1/5页一种基于改进遗传算法的多无人机大气监测路径规划方法技术领域[0001]本发明属于大气污染源监测技术领域，涉及一种基于多无人机的工业园区污染源监测路径优化方法。背景技术[0002]据不完全统计，我国现有各级工业园区超过