摘要
本发明涉及一种面向应急物资投送任务的无人机路径规划方法,属于路径规划技术领域,解决了现有技术中缺少指导搜索的有效策略、问题规模较大且固定、容易陷入局部最优和问题求解速度慢效率低的问题。本发明使用神经网络学习已知问题的最优解,用于在新场景下预测各个节点连边概率,以预测结果为启发式信息对信息素矩阵进行初始化,为搜索创造良好开端;使用k‑means方法将救援点分成多组求解,减少问题规模,并根据搜索状态自适应变更分治规模,有效增强分治的多样性,帮助算法跳出局部最优;在蚁群算法中加入解修复机制和局部搜索算法,有效提升局部探索性能和解的利用效率,求解高效快速,缩短救援物资配送等待时间,高效规划无人机配送路径。
技术关键词
车辆路径规划
蚁群算法
训练神经网络
规模
节点
无人机路径规划
sigmoid函数
局部搜索算法
矩阵
路径规划技术
启发式信息
分治策略
修复机制
多层感知机
蚂蚁
场景
数据