Key points are not available for this paper at this time.
In einer dreidimensionalen (3D) Katastrophenrettungsumgebung sind die Einsätze mehrerer Drohnen und die Pfadplanung eine Herausforderung. Um dieses Problem zu lösen, wird eine Methode zur Missionseinteilung auf Basis adaptiver genetischer Algorithmen (AGA) und eine Methode zur Pfadplanung unter Verwendung der sinus-kosinus Partikelschwarmoptimierung (SCPSO) vorgeschlagen. Zunächst wird ein ursprüngliches 3D-Digitalterrainmodell erstellt. Zweitens werden gemeinsame Bedrohungsquellen in Katastrophenrettungsumgebungen modelliert, einschließlich Berge, Übertragungsleitungen und extremes Wetter. Drittens wird eine Kosten-Nutzen-Funktion formuliert, die Faktoren wie die Leistung der Drohnen, die Nachfrage nach Missionspunkten, die Höhenkosten und Bedrohungsquellen berücksichtigt, um Missionen an mehrere Drohnen zuzuweisen. Viertens wird ein AGA eingesetzt, um die Missionseinteilung für mehrere Drohnen zu realisieren. Um die Konvergenzgeschwindigkeit zu erhöhen und die Leistung bei der Suche nach der optimalen Lösung zu optimieren, wird ein AGA vorgeschlagen, das sowohl die Roulette-Methode als auch die Elite-Retentionsmethode verwendet. Darüber hinaus werden die Parameter des AGA entsprechend den Änderungen der Fitness-Funktion angepasst. Ferner wird der verbesserte Kreisalgorithmus auch verwendet, um die Missionssequenz für AGA vorzuverarbeiten. Abschließend wird basierend auf dem sinus-kosinus Funktionsmodell ein SCPSO zur Planung des optimalen Flugpfades zwischen benachbarten Aufgabenpunkten vorgeschlagen. Zudem werden die Trägheits- und Beschleunigungskoeffizienten der linearen Gewichte für SCPSO entworfen, um dessen Leistung zu verbessern, um das lokale Minimum zu verlassen, den Suchraum gründlicher zu erkunden und das Ziel der globalen Optimierung zu erreichen. Eine Vielzahl von Simulationsexperimenten hat die Gültigkeit unserer Methode bewiesen.
Tao et al. (Mi,) haben diese Frage untersucht.