基于梦聚类优化算法的无人机机巢选址方法

基于梦聚类优化算法的无人机机巢选址方法，包括：获取森林巡检区域内的巡检点数据；建立包括最小飞行总里程、最小巡检重复覆盖、最大巡检覆盖范围、最短巡检时间的多目标数学模型；利用梦游优化算法对k‑means++聚类中的k值进行优化，生成分散且合理的机巢选址点位；利用梦聚类优化算法进行全局搜索，从而进一步优化机巢的点位。该方法通过区域内设置多个无人机机巢，实现了各类区域内的无人机机巢最佳选址，有效降低了机巢的错误设置带来的人工成本与资源消耗，满足了各类区域内的无人机对待多个巡检目标的常态化高效巡检。