一种兼顾安全性与延迟目标的多无人机配送路径规划的自适应滑动窗口蚁群优化方法
《Algorithms》:An Adaptive Sliding-Window Ant Colony Optimization Approach for Multi-UAV Delivery Routing with Safety and Lateness Objectives
【字体:
大
中
小
】
时间:2026年07月12日
来源:Algorithms 2.6
摘要
在复杂的物理与环境约束下,城市无人机物流系统需要能够平衡配送效率与运营安全的路由算法。然而,现有的多目标路由方法在优化过程中面对搜索环境变化时往往适应性较差。尤其是传统的蚁群优化算法通常依赖固定的信息素更新规则,这可能导致过早收敛、帕累托前沿分布不均以及因信息素作用而引发的搜索停滞。为解决这些问题,本文提出了一种用于复杂城市无人机配送路由的滑动窗口自适应多策略蚁群优化框架——SW-MSACO。首先,综合考虑负载约束与非线性电池能量约束下的累积配送延迟与安全风险,构建了复杂多目标城市路由问题模型。其次,设计了一种多策略信息素演化机制,以提供互补的搜索行为,从而加速收敛、实现安全与效率的平衡,并保持帕累托前沿的多样性。第三,引入了滑动窗口自适应策略选择机制,根据近期搜索表现而非长期累积收益来调整策略选择概率。在不同地图规模和任务负荷条件下的综合仿真实验表明,与现有的启发式优化方法相比,SW-MSACO在帕累托解的质量和搜索稳定性方面都有提升,尤其是在大规模和高负荷场景下,进一步证明了该框架在复杂无人机物流优化中的有效性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号