【摘要】：物流配送中最后一公里問題作為快遞配送的最后環(huán)節(jié)直接影響著物流配送的質(zhì)量,如何有效使用無人機實現(xiàn)最后一公里物流配送成為熱點研究問題。然而其中仍然存在無人機航路規(guī)劃、協(xié)同調(diào)度等問題有待解決。因而本文選擇無人機航路規(guī)劃算法和無人機協(xié)同調(diào)度算法作為主要研究內(nèi)容。針對物流配送場景下的無人機航路規(guī)劃問題,采用收斂速度快且收斂精度高的蝙蝠算法并對其提出以下三點創(chuàng)新點:引入基于尋優(yōu)成功率的自適應(yīng)慣性權(quán)重增加算法的魯棒性;引入Logistic映射防止算法陷入局部最優(yōu);采用改進(jìn)的人工勢場法加速算法收斂速度。本文在二維與三維模擬地形環(huán)境下分別進(jìn)行無人機航路規(guī)劃算法的仿真實驗,實驗結(jié)果表明,本文所提出的改進(jìn)蝙蝠算法應(yīng)用于無人機航路規(guī)劃問題時,在路徑長度、避障情況與規(guī)劃時間等指標(biāo)上均優(yōu)于蝙蝠算法和差分蝙蝠算法。針對物流配送場景下的無人機協(xié)同任務(wù)調(diào)度問題,采用收斂精度高且具有并行性的蟻群算法并對其提出以下四點創(chuàng)新點:引入精英個體策略加速算法收斂過程;采用自適應(yīng)權(quán)重因子防止算法陷入局部最優(yōu);提出自適應(yīng)信息素?fù)]發(fā)因子增強算法的魯棒性;引入概率遷移策略增加算法的適用性。本文根據(jù)真實浮動車數(shù)據(jù)中的車流密度生成物流收貨點與多個收貨點,采用改進(jìn)的蟻群算法進(jìn)行無人機協(xié)同配送。仿真實驗結(jié)果表明,在無人機協(xié)同配送問題中,在同等條件下本文提出的改進(jìn)蟻群算法在航路總長度、分航段方差等性能指標(biāo)上均優(yōu)于粒子群算法和遺傳算法。
【圖文】：

沈陽航空航天大學(xué)碩士學(xué)位論文第 2 章 問題描述與問題建模路規(guī)劃問題規(guī)劃問題[27]是指在特定的約束條件下，根據(jù)需求制定點至終點、代價函數(shù)最小且滿足無人機自身性能指標(biāo)的束條件下，對于代價函數(shù)進(jìn)行多目標(biāo)優(yōu)化的問題。規(guī)劃要考慮的因素[28]較多，，主要的有飛行任務(wù)需求、動特性等，對于無人機航路規(guī)劃在物流配送中的概念圖定

沈陽航空航天大學(xué)碩士學(xué)位論文務(wù)調(diào)度問題區(qū)別于傳統(tǒng)的新型的物流配送方式[29]。傳統(tǒng)的按照貨主和商品分別進(jìn)行配送，這樣的配送方送效率低、配送時間長。而以無人機為運載工貨主且商品集中配送的“物流及配送集約化”物裝入同一條路徑飛行的無人機上，使一臺無機之間利用任務(wù)調(diào)度算法進(jìn)行任務(wù)調(diào)度，使得調(diào)度算法需要在對應(yīng)得約束條件下，找到一種價為多約束條件下的代價函數(shù)的優(yōu)化問題。經(jīng)大地提高配送效率、降低配送成本以及實現(xiàn)資配送的任務(wù)調(diào)度整體架構(gòu)如圖 2.2 所示。
【學(xué)位授予單位】：沈陽航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫管理系統(tǒng)中的N&發(fā)控制——算法及其性能分析[J];計算技術(shù)與自動化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識與技術(shù);2017年32期

5 許燦英;;算法合謀反競爭問題初探[J];合肥工業(yè)大學(xué)學(xué)報(社會科學(xué)版);2019年02期

6 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計算機工程與應(yīng)用;2018年23期

7 肖海軍;王芬艷;盧常景;曹穎;;一種有效的多峰優(yōu)化鳥群算法[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2018年04期

8 覃遠(yuǎn)年;梁仲華;;蟻群算法研究與應(yīng)用的新進(jìn)展[J];計算機工程與科學(xué);2019年01期

9 肖輝輝;段艷明;林芳;;新搜索策略的花授粉算法[J];電子測量與儀器學(xué)報;2019年07期

10 梁昔明;高超;龍文;;基于速度越界處理與高斯擾動的改進(jìn)蝙蝠算法[J];數(shù)學(xué)的實踐與認(rèn)識;2019年19期

相關(guān)會議論文 前10條

1 苗強;劉曉琳;王仲奇;;隨機球重疊判斷算法改進(jìn)研究工作進(jìn)展[A];中國原子能科學(xué)研究院年報 2013[C];2014年

2 殷凡;王海斌;李超;;改進(jìn)蝙蝠算法在DOA估計中的應(yīng)用[A];2019年全國聲學(xué)大會論文集[C];2019年

3 李超;余昭平;;基于矩陣的Apriori算法改進(jìn)研究[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議（NCIRCS-2005）論文集[C];2005年

4 王蓬;宋明玉;張林芳;王新遠(yuǎn);;廣義自適應(yīng)相干累積算法改進(jìn)及其在線譜增強中的應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

5 孫迪峰;方厚林;梁旭斌;趙天青;張亮永;;寬帶MUSIC算法中同步干擾研究[A];2019年全國聲學(xué)大會論文集[C];2019年

6 郝紅星;吳玲達(dá);宋漢辰;;一種殘損圖像修補算法改進(jìn)與實現(xiàn)[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

7 解迎剛;王志良;鄭珊山;;基于LANDMARC及其算法改進(jìn)的RFID室內(nèi)定位研究[A];第二十九屆中國控制會議論文集[C];2010年

8 王篤俠;冷晟;周燕飛;;單件小批生產(chǎn)模式下的MRP算法改進(jìn)[A];全國先進(jìn)制造技術(shù)高層論壇暨第七屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2008年

9 鄒錦峰;;水面仿真研究及算法改進(jìn)[A];全國首屆數(shù)字（虛擬）科技館技術(shù)與應(yīng)用學(xué)術(shù)研討會論文集[C];2007年

10 林關(guān)成;李亞安;;一種支持向量機訓(xùn)練集選取算法改進(jìn)[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 記者 宛霞;風(fēng)云衛(wèi)星云導(dǎo)風(fēng)算法改進(jìn)[N];中國氣象報;2018年

2 記者 陳姝;深企為大橋定制人臉識別方案[N];深圳商報;2018年

相關(guān)博士學(xué)位論文 前10條

1 周凌云;幾種典型群智能算法及其更新機制研究[D];武漢大學(xué);2018年

2 張代雨;多學(xué)科優(yōu)化算法及其在水下航行器中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

3 鐘林峰;復(fù)雜網(wǎng)絡(luò)中關(guān)鍵節(jié)點的挖掘算法研究[D];電子科技大學(xué);2018年

4 邱實;多光譜衛(wèi)星遙感影像云及云陰影精準(zhǔn)檢測算法研究[D];電子科技大學(xué);2018年

5 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

6 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

7 胡銦;基于單目視覺的運動目標(biāo)檢測與跟蹤算法研究[D];南京理工大學(xué);2008年

8 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

9 黃松;面向多應(yīng)用場景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

10 安琦;信號偵收中的識別與分類理論與算法研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 謝輝;基于Spark的FP-Growth算法的研究[D];南昌大學(xué);2019年

2 倪楚琦;關(guān)于大維數(shù)據(jù)的聚類方法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 黃文成;一種基于膜計算的人工蜂群算法及其應(yīng)用[D];西華大學(xué);2019年

4 徐濤;基于數(shù)據(jù)表示方法的鑒別字典學(xué)習(xí)算法的研究及應(yīng)用[D];西華大學(xué);2019年

5 匡振曦;高維數(shù)據(jù)中KNN分類算法的優(yōu)化研究[D];廣東工業(yè)大學(xué);2019年

6 唐嘉誠;多約束條件下無人機協(xié)同配送算法研究[D];沈陽航空航天大學(xué);2019年

7 楊琴;基于壓縮感知的DOA估計算法研究[D];西安電子科技大學(xué);2019年

8 謝子卓;基于大數(shù)據(jù)的微博轉(zhuǎn)發(fā)預(yù)測及熱點發(fā)現(xiàn)算法的研究[D];西安電子科技大學(xué);2019年

9 袁丹丹;基于節(jié)點重要性的社區(qū)發(fā)現(xiàn)算法研究與應(yīng)用[D];西安電子科技大學(xué);2019年

10 沈鑫;基于領(lǐng)導(dǎo)人選舉機制共識算法的聯(lián)盟鏈性能改進(jìn)研究[D];西安電子科技大學(xué);2019年

本文編號：2619759