本技术公开了一种考虑三维装载约束的车与无人机协同路径规划方法,包括:分别采用“先入后出”和“卸货再装货”两种卸货模式。其中,货物先入后出模式指的是每次仅能配送位于车辆最表层的货物,货物允许卸货再装货模式指的是允许配送位于车辆内层的货物;构建混合整数线性规划模型,包括决策变量与辅助变量、优化目标、约束条件;设计求解效率高的混合元启发式求解方法,求解装载方案和配送方案。本发明应用于协同路径规划领域,同时考虑了货物的装载和配送过程,分别采用物流配送过程中常见的“先入后出”和“卸货再装货”模式,优化配送车辆的主路径与无人机的路径,显著提升物流配送效率的同时满足客户的需求。
背景技术
现代物流配送面临着一系列挑战,其中包括同时规划货物的装载和配送的复杂问题。为了将产品从工厂或分销中心高效地送达客户手中,物流公司必须解决这些问题。在物流配送中,装载和配送是两个关键的阶段。装载阶段需要考虑货物的尺寸、重量、特性以及装载顺序,以便在后续的卸货操作中提供便利。配送阶段则需要确定最佳路线,使得配送车辆能够有效地访问多个客户,并在配送时间最小化的同时满足所有订单需求。
在物流配送领域,无人机(UAV)由于其高效率和低成本,展现出了巨大的应用机会,并逐渐成为了新的研究热点。然而,虽然学者们提出了较好的多无人机协同配送的方法,但由于无人机续航能力有限,难以完成大范围和长距离的配送任务。
车辆和无人机协同侦察的方式能够弥补仅使用无人机侦察存在的不足,近年来成为更受研究者的青睐的研究方向。针对该类问题的研究,较为经典的有飞行助手旅行商问题(Flying Sidekick Traveling Salesman Problem,FSTSP)和带无人机的旅行商问题(Traveling Salesman Problem with Drone,TSP-D)。
飞行助手旅行商问题(FSTSP)中,假设送货无人机离开车辆,完成一项送货任务,之后立刻返回车辆,其使用混合整数线性规划(Mixed Integer Linear Programing,MILP)来描述该问题,并提出了启发式方法来进行求解,最后通过一系列计算实验对所提模型和算法进行评估和论证。上述启发式算法首先基于所有客户点求解车辆的TSP路径,然后将每个符合条件的客户分配到无人机路径,或将其重新分配到车辆路径的其它位置。带无人机的旅行商问题(TSP-D)中,不同于FSTSP,其允许无人机可以返回发射该无人机的节点,并提供了全新的混合整数规划模型和相应的启发式算法。
考虑到装载与配送在物流活动中的协调性,近年来,同时处理路径和装载/包装的问题在许多变体中得到了广泛的研究。这些问题中,当满足某些装载约束时路径才有效,可以根据物品是否可以堆叠在其他物品上,将其分类为二维(2D)或三维(3D)装载约束。但在目前关于物流配送的研究中,车辆的装载和配送问题与车与无人机的协同问题是分离的,缺乏真实性。
实现思路