Key points are not available for this paper at this time.
引言。在现代技术及无人驾驶飞行器(UAV)在各个领域广泛应用的背景下,优化其任务规划的研究变得越发重要。这一点在无人机与地面运输系统集成的混合系统中尤为突出(“无人机+车辆”)。本文主要探讨可以由专用车辆运输的无人机的任务路线优化的各个方面,执行对所呈现目标的侦查或维护任务。我们开发了一个数学模型,允许整合不同的规划阶段,包括基于在无人机任务中获得的数据来确定车辆的行进方向。本文的目的是开发和应用数学及软件算法工具,特别是基于群体智能的思想,以规划使用混合“无人机+车辆”系统对给定对象集进行检查或维护的操作。结果。形成了“无人机+车辆”类型混合系统路由问题的数学模型。提出、实现并分析了贪心类型算法、确定性局部搜索和蚁群优化(ACO)算法来解决这一问题。进行了计算实验,以演示AMC算法在速度和效率方面的优势,即使在高维度问题中也是如此。结论。所提出的方法允许通过聚合数学模型涵盖混合“无人机+车辆”系统任务规划的多个阶段。所开发的数学模型还涉及选择某一地点的车辆后续行进方向的问题,这取决于对可能包含检查或维护对象的指定目标的检查结果的分析。为了解决制定的组合优化问题,开发了贪心类型、确定性局部搜索和OMC算法。计算实验的结果显示OMC算法优于组合“贪心+确定性局部搜索”算法。未来研究的重要方向是开发和应用考虑地面上障碍物的路由模型和算法。所开发的数学工具允许我们考虑车辆在路线上的基地位置不是预先指定的,而是根据目标的配置进行确定。关键词:无人驾驶飞行器,混合系统,任务规划,路线优化,数学建模,蚁群优化,物流。
Hulianytskyi等(Fri,)研究了这个问题。