面向城市巡防的多无人机协同航迹规划

无人机（UAV）因其低成本、高动态性与低部署性等优点被逐渐应用于城市巡防中。为提高异构无人机航迹规划的效率,首先建立了考虑无人机的任务执行率、航迹代价和撞击代价的多无人机任务规划模型。其次针对传统优化算法容易陷入局部最优解,均匀性差等问题,将差分策略和Levy飞行策略引入乌鸦搜索算法中对算法进行改进,提出基于Levy飞行策略的混合差分乌鸦搜索算法（LDCSA）,将剪枝处理和Logistic混沌映射机制加入快速遍历随机树（rapidly-exploring random trees,RRT）算法中,并通过改进的RRT算法进行航迹初始化。最后建立了3维的城市模型进行仿真实验,将所提算法与粒子群（PSO）、模拟退火（SA）、乌鸦搜索（CSA）算法对比,仿真结果表明该算法能提高全局收敛性与鲁棒性、缩短收敛时间、提高无人机执行覆盖率和减少能耗,在解决多无人机航迹规划问题中更具有优势。     

面向城市商超物流配送的异构车辆调度研究

工业5.0时代即将到来,构建面向城市智慧物流调度供应链的核心问题在于如何高效处理货物数量多、种类冗杂、路径实时性等多维约束条件下同时降低物流车辆配送成本.针对此类问题,充分考虑路段拥堵系数、车辆装载率、泡重比、异构车型限制等约束条件,构建以总配送调度成本最小、车辆装载利用率最大为优化目标的城市异构车辆物流调度模型,进一步通过增加指数型温度下降机制、变量交叉扰动和种群分类策略设计一种改进的混合鲸鱼群算法进行模型求解.基于真实数据集的仿真结果表明,相比粒子群算法、模拟退火算法及鲸鱼优化算法,本文所提算法在目标函数上平均降低了34.33%,在配送费用上平均降低了11%,在平均配载率上增加了10.67%.实验结果验证了所提算法在求解此类复杂环境约束条件下的多目标优化问题中展现了较强的全局搜索能力及搜索精度,同时进一步说明了所建立模型在求解城市物流车辆调度问题中的可行性和有效性.