基于遗传算法的多无人机农药喷洒任务分配问题研究

摘要

目前无人机已经在精量播种、植被检测、农药喷洒等不同类型的农业航空作业中有着广泛的应用，采用无人机进行农药喷洒已经成为农业植保过程中的一项重要业务。同时，在最小化人为干预的方式下，如何利用无人机自主完成农业航空作业任务也受到了广泛的关注。其中，农药喷洒航空作业任务的分配是影响喷洒效果的关键因素。然而，关于无人机任务分配问题的研究仍处于发展阶段，有很多关键技术和理论仍需要进一步研究。因此，针对多无人机农药喷洒任务分配问题如何优化任务分配使得农药喷洒效果最佳具有一定的理论意义和现实意义。
　　本论文针对多无人机农药喷洒任务分配问题，构建了一种团队定向问题(TOP)的模型，其首先引入无人机飞行动力学约束，将农田间的欧式距离扩展为Dubins距离，然后分析影响农药喷洒效果的两个因素，一是农药类型，二是农药喷洒时的环境温度。根据环境温度动态地产生农药喷洒的时间窗，并将该时间窗引入农药喷洒收益函数中，即构建了一种带有可变时间窗可变收益的TOP模型(DTOP-VTW-VP)。对此，我们采用了遗传算法求解上述模型，并设计了算法中的编码、交叉和变异方式。通过实例分析总结了在Dubins曲线路径，有限时间窗，收益可变情形下对该任务分配问题的影响，然后通过仿真实验分析阐述了多无人机任务分配问题的最佳分配方案。在上述研究基础上还通过算法仿真实验验证该模型及其求解方法比典型的人工分配策略具有明显的优势，同时在小规模情形下也能够获得和精确方法一致的最优解。此外，还通过仿真实验对算法的参数敏感性进行了分析，给出了最佳的算法参数配置。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状及分析

1．3 主要研究内容

1．4 组织结构安排

第二章 相关理论基础

2．1 固定翼无人机

2．2 区域覆盖方法

2．3 团队定向问题

2．4 遗传算法

2．5 本章小结

第三章 多无人机农药喷洒任务分配问题模型及解决算法

3．1 问题描述

3．1．1 无人机

3．1．2 农田

3．1．3 任务时间窗

3．1．4 飞行路径

3．1．5 任务收益

3．2 基于多无人机农药喷洒任务分配问题的模型

3．3 基于DTOP-VTW-VP模型的求解算法

3．3．1 遗传算法

3．3．2 编码方式

3．3．3 适应度函数和选择

3．3．4 交叉方式

3．3．5 变异方式

3．4 本章小结

第四章 多无人机农药喷洒任务分配问题仿真实验

4．1 仿真实验参数设置

4．2 影响因素的实验分析

4．2．1 可飞路径的实验分析

4．2．2 任务时间窗的实验分析

4．2．3 任务收益的实验分析

4．2．4 模型求解方案的实验分析

4．3 模型求解算法的对比实验

4．3．1 不同分配策略下的求解效果对比实验

4．3．2 小规模情形下的求解效果对比实验

4．3．3 遗传算法参数敏感性实验

4．4 本章小结

第五章 总结与展望

5．1 研究总结

5．2 研究展望

参考文献

攻读硕士学位期间学术活动及成果情况