农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端,是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题,考虑无人机与车辆协同方式、多无人机多包裹配送等约束,以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围,第二阶段设计爬山算子与分裂算子改进遗传算法,求得无人机与车辆配送路径。最后,通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。

基于混合遗传算法的无人机与车辆协同应急物资配送路径优化研究

为应对突发事件下的应急物资运输问题,将无人机与车辆协同应用在应急场景的路径优化问题中。考虑到应急场景的特殊性与弱经济性,将受灾点进行分类,并以无人机与车辆到达受灾点累计服务时间最小化为目标建立路径优化模型,同时加入无人机自身续航和载重约束、无人机与车辆的协同性约束等,更符合实际应用情况;通过结合遗传算法和自适应大规模邻域搜索算法,设计混合遗传算法进行模型的求解,通过算例验证模型和算法的有效性。算例结果表明:混合遗传算法能够提升求解精度以及求解速度,可为应对突发事件下的应急物资运输提供有效支撑。

考虑无人机运行风险的车机协同配送路径规划方法

针对城市无人机与车辆协同配送路径规划问题,考虑无人机在城市区域飞行过程中的坠落伤亡风险和噪声影响,设计无人机路径分割方法,并采用相应的量化模型计算无人机坠落伤亡风险和噪声影响程度;引入无人机载重限制、区域噪声排放限制、无人机续航能力限制作为约束条件,构建以经济成本和风险成本最小为目标函数的双目标无人机与车辆协同配送路径规划模型。设计带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解。结果表明:所提模型较传统车辆配送模型能够节约配送经济成本,并有效降低无人机运行风险,在规模较小、分布较均匀、中低风险配送节点较多的配送网络中效果更显著。