海洋测试任务的多约束规划方法用于智能技术测试船

提出了一种分层人口任务规划方法，以增强智能技术测试船在各种任务和复杂限制下的测试效率和可靠性。首先，建立了多航次船舶测试的车辆路径问题的数学模型，旨在最小化船舶的固定和燃料成本，同时考虑智能技术测试船的能量和空间限制，以及测试任务之间的依赖关系和时间关系等实际因素。其次，为了在规划过程中公平地最小化约束复杂性，探索并建立了一种基于分层人口概念的海上测试任务规划架构。该架构将任务规划分为四个级别，并将任务分配给不同的人口。利用这些信息，建议基于人口特征的分组遗传算法。该算法使用独特的编码方法表示任务聚类，并缩小可能解决方案的范围，从而解决了传统分组遗传算法广阔的搜索空间问题。最后，进行了仿真验证，结果表明该方法可以有效解决智能技术测试船在多约束条件下的海洋测试任务规划问题，降低测试成本，提高测试效率。