[发明专利]UAVs和UGVs长时多目标路径规划问题及求解算法

说明书

本发明公开了一种UAVs和UGVs长时多目标路径规划问题及求解算法，包括MOALP算法；求解的步骤为，S1：问题模型建立；S2：OALP算法的设计，通过将帕累托局部搜索和多目标自适应大邻域搜索算法相结合，提出一个混合帕累托局部搜索算法；在算法中维持一个基于分解进化的种群，在多目标自适应大邻域搜索中，通过开发新的移除和插入启发式，从而实现多目标自适应大邻域搜索与算法整体框架的相关联；S3：实验设置；S4：实验结果分析。本发明提供一种UAVs和UGVs长时多目标路径规划问题及求解算法能有效的优化目标路径总长度和最大完工时间的效果。

技术领域

本发明涉及长时多目标路径规划问题及求解算法领域。

背景技术

多目标组合优化问题(Combinatorial Multi-Objective Optimization，CMOP)的求解一般是NP难的。对于组合优化问题的求解，目前局部搜索(Local Search，LS)的效率是相对较高的，例如针对单目标组合优化的变邻域搜索(Variable Neighborhood Search，VNS)、禁忌搜索(Tabu Search)、迭代局部搜索(Iterative Local Search，ILS)、大邻域搜索(Large Neighborhood Search，LNS)、模拟退火(Simulated Annealing，SA)、蚁群算法(Ant Colony Optimization，ACO)等。针对CMOP，一个有效的局部搜索算法是Pareto局部搜索(Pareto Local Search，PLS)，PLS是一个将局部搜索扩展到多目标组合优化中的算法。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种UAVs和UGVs长时多目标路径规划问题及求解算法能有效的优化目标路径总长度和最大完工时间的效果。

技术方案：为实现上述目的，本发明的技术方案为：UAVs和UGVs长时多目标路径规划问题及求解算法，包括MOALP算法；求解的步骤为，S1：问题模型建立；S2：OALP算法的设计，通过将帕累托局部搜索和多目标自适应大邻域搜索算法相结合，提出一个混合帕累托局部搜索算法；在算法中维持一个基于分解进化的种群，在多目标自适应大邻域搜索中，通过开发新的移除和插入启发式，从而实现多目标自适应大邻域搜索与算法整体框架的相关联；S3：实验设置；S4：实验结果分析。

进一步的，问题模型建立：给出如下的符号描述，用以对问题进行数学模型的建立；

定义一个后置子解的子段如下：对于一个后置子解中的每个UGV路径其包含的子段为：1)相邻充电点之间所构成子路径(将起始点作为第一个充电点)；2)最后一个充电点到子路径的结束；

建立的问题模型为：

进一步的，所述MPALP算法的设计包括解的编码；所述解的编码包括前置子解和后置子解。

进一步的，所述MOALP算法设计还包括算法框架；MOALP算法首先初始化种群P_L，并初始化P_P为P_L，同时更新P_E；在主循环中，首先进行混合帕累托局部搜索(HPLS)：以种群P_P为输入，对P_P中所有个体的后置子解进行帕累托局部搜索，并采用MOALNS对局部后置子解进行搜索，从而更新外部集P_E；在进行HPLS之后，以子问题解集P_L为输入执行MOALNS/D搜索，具体地，在循环中从邻域中随机选择两个前置子解进行PMX交叉，生成新的前置子解，针对新的前置子解，生成该前置子解的一个后置子解，并使用MOALNS对该后置子解进行优化，得到该邻域下的一个后置子解外部集，并使用该集合更新全局外部集以及P_L；算法初始化环节主要是要对几个种群以及参考向量进行初始化。

进一步的，所述前置子解的局部搜索及变化算子；选用PMX作为交叉算子；突变算子的设计使用单点交换的方法。