集群式无人机协同配送方案的优化方法及系统技术方案

本发明专利技术实施例提供一种集群式无人机协同配送方案的优化方法及系统，属于物流配送调度技术领域。通过该技术方案，本发明专利技术提供的集群式无人机协同配送方案的优化方法及系统通过设计卡车前往对应的卡车配送点完成配送任务，并且同时结合无人机在卡车完成配送任务时，前往附近的配送点完成配送任务的模型，解决了现有技术中卡车与无人机动态配送所导致的难以确定卡车与无人机客户点分配的技术问题。另一方面，本发明专利技术提供的优化方法还在确定卡车配送点和无人机的配送点时，通过不断地结合已选择的配送点更新待配送点的数量及位置，实现了算法的快速迭代。法的快速迭代。法的快速迭代。

【技术实现步骤摘要】
集群式无人机协同配送方案的优化方法及系统


[0001]本专利技术涉及物流配送调度
，具体地涉及一种集群式无人机协同配送方案的优化方法及系统。

技术介绍

[0002]近年来，由于无人机技术的逐渐成熟，在物流配送的领域逐渐开始兴起采用无人机进行短距离配送任务的方法。现有技术中，已经出现了通过卡车运输多个无人机，并在卡车行进过程中无人机实时飞出完成配送任务，并根据卡车行进的速度在预定的地点返回卡车的技术方案。但是，这种方案存在以下技术缺陷：一是无人机的电池续航相对较差，在实际调度的过程中难以实现精准地速度规划；二是无人机配送无法保证接收快递的人员的响应积极性，从而无法预测无人机的等待时间，因此很难确定无人机的返回时间；三是一旦无人机出现故障，由于路径本身是动态的，在无人机回收的过程中也会出现较大的难度。

技术实现思路

[0003]本专利技术实施例的目的是提供一种集群式无人机协同配送方案的优化方法及系统，该优化方法及系统能够提高无人机和卡车协同配送的效率。
[0004]为了实现上述目的，本专利技术实施例提供一种集群式无人机协同配送方案的优化方法，包括：
[0005]在待配送区域中随机选择一个未被选择的配送点作为卡车配送点；
[0006]以选择的所述卡车配送点为中心选择在卡车停靠在当前的卡车配送点的情况下，无人机能够完成配送任务的配送点；
[0007]判断所述待配送区域内是否还存在未被选择的配送点；
[0008]在判断所述待配送区域内存在未被选择的配送点的情况下，以当前选择的所述卡车配送点为原点，分别计算所述待配送区域内未被选择的配送点的转移概率；
[0009]根据所述转移概率在所述待配送区域中选择一个未被选择的配送点作为新的卡车配送点，并返回执行以选择的所述卡车配送点为中心选择在卡车停靠在当前的卡车配送点的情况下，无人机能够完成配送任务的配送点的步骤；
[0010]在判断所述待配送区域内不存在未被选择的配送点的情况下，生成卡车路径配送方案；
[0011]判断当前的第一迭代次数是否大于或等于预设的第一阈值；
[0012]在判断所述第一迭代次数小于所述第一阈值的情况下，再次返回执行在待配送区域中随机选择一个未被选择的配送点作为卡车配送点的步骤；
[0013]在判断所述第一迭代次数大于或等于所述第一阈值的情况下，计算当前生成的卡车路径配送方案的适应度；
[0014]根据所述适应度更新信息素浓度；
[0015]判断当前的迭代次数是否大于或等于预设的第二阈值；
[0016]在判断当前的第二迭代次数大于或等于所述第二阈值的情况下，根据适应度最小的所述卡车路径配送方案生成无人机配送方案；
[0017]将所述卡车路径配送方案和无人机配送方案组合以形成卡车与无人机协同配送方案。
[0018]可选地，分别计算所述待配送区域内未被选择的配送点的转移概率包括：
[0019]根据公式(1)计算所述转移概率，
[0020][0021]其中，P
ijk
为第k次第一迭代次数中从第i个配送点选择第j个配送点作为下一个卡车配送点的转移概率，τ
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，α为信息素重要程度因子，β为启发式重要程度，η
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的启发函数，allow
k
为k次第一迭代次数的待选择的配送点的集合。
[0022]可选地，计算当前生成的卡车路径配送方案的适应度包括：
[0023]根据公式(2)计算所述适应度，
[0024][0025]其中，obj
k
为第k次第一迭代次数的适应度，route
k
为第k次第一迭代次数生成的卡车路径配送方案，d
ij
为第i个配送点和第j个配送点的卡车配送路径，c
T
为卡车单位距离的配送能耗，tabu
k
为无人机的飞行路径，为为卡车在第j个配送点停靠的情况下，无人机需要飞行的总路径，c
M
为无人机单位距离的配送能耗。
[0026]可选地，根据所述适应度更新信息素浓度包括：
[0027]根据公式(3)和公式(4)更新所述信息素浓度，
[0028][0029][0030]其中，τ
ij
(t+1)为第t+1次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，ρ(t)为第t+1次第二迭代次数中的信息素挥发因子，τ
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，Δτ
ij
为第k次第一迭代次数中第i个配送点和第j个配送点之间的信息素浓度之和，n为第一阈值，Q为信息素挥发总量，obj
k
为第k次第一迭代次数的适应度。
[0031]可选地，根据所述适应度更新信息素浓度包括：
[0032]判断第三迭代次数是否大于或等于第三阈值；
[0033]在判断所述第三迭代次数大于或等于第三阈值的情况下，判断截止当前第三迭代次数的迭代过程中，适应度的最小值是否得到更新；
[0034]在判断截止当前第三迭代次数的迭代过程中，适应度的最小值未得到更新的情况下，采用公式(5)更新所述信息素挥发因子，
[0035][0036]其中，ρ(t
‑
1)为第t
‑
1次第二迭代次数的信息素挥发因子，ρ
min
为预设的信息素挥发因子的最小值。
[0037]可选地，根据适应度最小的所述卡车路径配送方案生成无人机配送方案包括：
[0038]分别以每个所述配送点为原点，计算到各个卡车配送点的距离；
[0039]选择距离的最小值所对应的卡车配送点相互关联，以形成所述无人机配送方案。
[0040]可选地，选择距离的最小值所对应的卡车配送点相互关联，以形成所述无人机配送方案包括：
[0041]针对相互关联后形成的每个由卡车配送点为中心、对应的无人机的配送点组成的配送点集群，分别判断每个所述配送点集群中的配送点的数量是否小于或等于3；
[0042]在判断所述配送点的数量大于3的情况下，采用预设的蚁群算法针对所述配送点集群生成对应的无人机路径。
[0043]可选地，采用预设的蚁群算法针对所述配送点集群生成对应的无人机路径包括：
[0044]以所述无人机当前的位置为起点，计算所述配送点集群中每个无人机未配送的配送点的转移概率，其中，初始位置为所述配送点集群的车辆配送点；
[0045]采用轮盘赌法根据所述转移概率选择一个配送点作为无人机的拟配送点；
[0046]判断所述无人机当前是否能够完成所述拟配送点的配送任务；
[0047]在判断所述无人机不能够完成所述拟配送点的配送任务的情况下，生成一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集群式无人机协同配送方案的优化方法，其特征在于，所述优化方法包括：在待配送区域中随机选择一个未被选择的配送点作为卡车配送点；以选择的所述卡车配送点为中心选择在卡车停靠在当前的卡车配送点的情况下，无人机能够完成配送任务的配送点；判断所述待配送区域内是否还存在未被选择的配送点；在判断所述待配送区域内存在未被选择的配送点的情况下，以当前选择的所述卡车配送点为原点，分别计算所述待配送区域内未被选择的配送点的转移概率；根据所述转移概率在所述待配送区域中选择一个未被选择的配送点作为新的卡车配送点，并返回执行以选择的所述卡车配送点为中心选择在卡车停靠在当前的卡车配送点的情况下，无人机能够完成配送任务的配送点的步骤；在判断所述待配送区域内不存在未被选择的配送点的情况下，生成卡车路径配送方案；判断当前的第一迭代次数是否大于或等于预设的第一阈值；在判断所述第一迭代次数小于所述第一阈值的情况下，再次返回执行在待配送区域中随机选择一个未被选择的配送点作为卡车配送点的步骤；在判断所述第一迭代次数大于或等于所述第一阈值的情况下，计算当前生成的卡车路径配送方案的适应度；根据所述适应度更新信息素浓度；判断当前的迭代次数是否大于或等于预设的第二阈值；在判断当前的第二迭代次数大于或等于所述第二阈值的情况下，根据适应度最小的所述卡车路径配送方案生成无人机配送方案；将所述卡车路径配送方案和无人机配送方案组合以形成卡车与无人机协同配送方案。2.根据权利要求1所述的优化方法，其特征在于，分别计算所述待配送区域内未被选择的配送点的转移概率包括：根据公式(1)计算所述转移概率，其中，P
ijk
为第k次第一迭代次数中从第i个配送点选择第j个配送点作为下一个卡车配送点的转移概率，τ
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，α为信息素重要程度因子，β为启发式重要程度，η
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的启发函数，allow
k
为k次第一迭代次数的待选择的配送点的集合。3.根据权利要求1所述的优化方法，其特征在于，计算当前生成的卡车路径配送方案的适应度包括：根据公式(2)计算所述适应度，其中，obj
k
为第k次第一迭代次数的适应度，route
k
为第k次第一迭代次数生成的卡车路径配送方案，d
ij
为第i个配送点和第j个配送点的卡车配送路径，c
T
为卡车单位距离的配送
能耗，tabu
k
为无人机的飞行路径，为为卡车在第j个配送点停靠的情况下，无人机需要飞行的总路径，c
M
为无人机单位距离的配送能耗。4.根据权利要求1所述的优化方法，其特征在于，根据所述适应度更新信息素浓度包括：根据公式(3)和公式(4)更新所述信息素浓度，根据公式(3)和公式(4)更新所述信息素浓度，其中，τ
ij
(t+1)为第t+1次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，ρ(t)为第t+1次第二迭代次数中的信息素挥发因子，τ
ij
(t)为第t次第二迭代次数中第i个配送点和第j个配送点之间的信息素函数，Δτ
ij
为第k次第一迭代次数中第i个配送点和第j个配送点之间的信息素浓度之和，n为第一阈值，Q为信息素挥发总量，obj
k
为第k次第一迭代次数...

【专利技术属性】
技术研发人员：蒋丽，王洪艳，梁昌勇，臧晓宁，梁樑，陈敬贤，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：