基于遺傳算法的森林防火航空巡護(hù)路徑規(guī)劃

謝陽生,黃水生,李惺穎,唐小明

(中國林業(yè)科學(xué)研究院 資源信息研究所,北京 100091)

基于遺傳算法的森林防火航空巡護(hù)路徑規(guī)劃

謝陽生,黃水生,李惺穎,唐小明

(中國林業(yè)科學(xué)研究院 資源信息研究所,北京 100091)

針對防火監(jiān)測區(qū)地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律以及執(zhí)行巡護(hù)任務(wù)的飛機(jī)性能等影響因素,提出一種規(guī)劃森林防火航空巡護(hù)路徑的方法及流程,利用遺傳算法實現(xiàn)路徑規(guī)劃最優(yōu)解的求解. 對實驗區(qū)的計算結(jié)果表明,該方法得到的最優(yōu)路徑與原路徑相比,長度縮短了46.06%,且能實現(xiàn)對監(jiān)測區(qū)域的全覆蓋,從而減少巡護(hù)費用,提高巡護(hù)效率.

森林防火; 飛機(jī)巡護(hù); 遺傳算法; 航路規(guī)劃

隨著空、 天、 地一體化林火監(jiān)測網(wǎng)絡(luò)的逐步形成,遙感衛(wèi)星、 航空飛機(jī)、 瞭望塔及地面巡護(hù)已經(jīng)對森林火災(zāi)形成了立體監(jiān)測[1]. 航空林火監(jiān)測作為與衛(wèi)星監(jiān)測、 瞭望塔監(jiān)測及地面巡護(hù)互相印證、 互為補(bǔ)充的一種林火監(jiān)測方法,能較好地彌補(bǔ)衛(wèi)星由于所處的高度和對熱點性質(zhì)分辨能力的限制,及地面監(jiān)測范圍小、 可達(dá)范圍有限的缺點,主要用于地形復(fù)雜、 地面瞭望設(shè)施較差的地區(qū)開展巡護(hù)報警、 火場偵察及撲救工作.

航空巡護(hù)主要包括巡護(hù)飛行、 火場偵察、 撲救滅火和空投滅火物資等. 巡護(hù)飛行可使用有人機(jī)進(jìn)行載人巡護(hù)飛行或使用無人機(jī)搭載傳感器進(jìn)行偵察飛行. 發(fā)生火災(zāi)時,飛機(jī)可空降滅火人員或空投滅火物資,同時也可進(jìn)行吊桶灑水滅火、 機(jī)腹水箱灑水滅火等. 目前對飛機(jī)航路規(guī)劃設(shè)計多見于軍事領(lǐng)域[2-4],航路設(shè)計中多考慮地形、 威脅點和攻擊目標(biāo)等因素,而在森林火災(zāi)巡護(hù)上只有初步的探討[5-6]. 本文根據(jù)林區(qū)地形、 地貌、 森林資源分布和火災(zāi)發(fā)生規(guī)律等林區(qū)情況制定高效的森林防火巡護(hù)飛行路線,以提高飛機(jī)巡護(hù)任務(wù)效率,并結(jié)合林區(qū)巡護(hù)的特點,將飛機(jī)巡護(hù)路徑規(guī)劃用于林火監(jiān)測中.

1 影響飛機(jī)林火巡護(hù)路徑規(guī)劃的因素

飛機(jī)林火監(jiān)測中巡護(hù)路線的規(guī)劃與監(jiān)測目標(biāo)區(qū)域的地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律和飛機(jī)性能等都緊密相關(guān).

林區(qū)多為山區(qū),地形復(fù)雜,地形的起伏會產(chǎn)生高度差的變化,同時形成對目標(biāo)的遮蔽,使飛機(jī)上的機(jī)載巡護(hù)人員和設(shè)備出現(xiàn)探測盲區(qū),導(dǎo)致林火目標(biāo)被發(fā)現(xiàn)的概率減?。?同時機(jī)載傳感器的攝像頭或探頭有機(jī)械轉(zhuǎn)動的限制,地形的起伏也可能會使飛機(jī)和目標(biāo)的高度差減小,從而減小了飛機(jī)偵察監(jiān)視設(shè)備的作用距離； 同時為了確保飛行安全,山區(qū)中高山等障礙物,要求飛機(jī)盡量繞行,飛行高度一般高于地面絕對高度600 m以上. 森林資源分布是影響飛機(jī)林火監(jiān)測巡護(hù)路線規(guī)劃的另一個重要因素. 對于有林地、 灌木林地和未成林造林地集中的區(qū)域需要納入日常巡護(hù)的路線； 對于重點林區(qū),例如自然保護(hù)區(qū)、 稀有珍貴樹種分布地及有特殊用途的森林植物群落等具有較高經(jīng)濟(jì)和社會價值的區(qū)域要列為重點巡護(hù)對象.

根據(jù)歷年火災(zāi)發(fā)生的規(guī)律,包括野外用火和人員活動情況,對監(jiān)測目標(biāo)區(qū)域劃分出重點火災(zāi)區(qū)； 或根據(jù)森林火險區(qū)劃對區(qū)劃等級較高的區(qū)域進(jìn)行重點監(jiān)測. 森林火險區(qū)劃共分為3個等級,1級屬于森林火險危險性大的區(qū)域,3級屬于森林火險危險性小的區(qū)域.

對于人工巡護(hù)可達(dá)性較差的偏遠(yuǎn)林區(qū)及地面防火設(shè)施薄弱地區(qū)也應(yīng)納入飛機(jī)巡護(hù)的路線中進(jìn)行重點監(jiān)測. 此外,飛機(jī)性能也是確定航線的一個重要因素. 根據(jù)飛機(jī)的平均時速和續(xù)航時間,航線長度的確定要保證飛機(jī)到達(dá)終點后還有一定的油量儲備.

2 飛機(jī)林火巡護(hù)路徑規(guī)劃流程和方法

飛機(jī)林火巡護(hù)路徑的規(guī)劃方法,對于常規(guī)飛機(jī)巡護(hù)路線是根據(jù)監(jiān)測目標(biāo)區(qū)域的相關(guān)資料及實地調(diào)查,確定飛機(jī)巡航的一些重要目標(biāo)點,根據(jù)目標(biāo)點制定出多條路徑規(guī)劃,從路徑規(guī)劃方案中選出與瞭望塔互相補(bǔ)充監(jiān)測面積范圍最大的較優(yōu)方案,即得到飛機(jī)林火巡護(hù)路徑. 流程如下：

1) 確定巡護(hù)目標(biāo)區(qū)域,對監(jiān)測目標(biāo)林區(qū)的相關(guān)資料進(jìn)行收集,包括地形地貌、 河流、 道路和居民點等基礎(chǔ)地理資料,監(jiān)測區(qū)域的森林資源分布資料,重點防火區(qū)域、 森林火險區(qū)劃、 歷年火災(zāi)發(fā)生地點和規(guī)律等森林防火相關(guān)資料及航飛相關(guān)設(shè)施資料,并對資料進(jìn)行整理分析,確定地面調(diào)查的重點區(qū)域；

2) 組織專業(yè)人員對重點區(qū)域進(jìn)行實地調(diào)查,進(jìn)一步核實及獲取巡護(hù)區(qū)域森林資源分布情況、 地理情況、 社會情況和防火設(shè)施情況等防火區(qū)域相關(guān)情況及資料,將實地踏查中獲取的防火設(shè)施及可用于機(jī)降的位置等標(biāo)識于地形圖上；

3) 整理實地踏查結(jié)果,對相關(guān)資料進(jìn)行補(bǔ)充；

4) 根據(jù)掌握的資料和實地踏查情況,確定航飛路線中的重要目標(biāo)點；

5) 以飛機(jī)起降點為航飛路徑的起點和終點,以重要目標(biāo)點為途經(jīng)點,制定航線；

6) 將航線繪制于地形圖上.

酸奶營養(yǎng)豐富，具有維持腸道菌群生態(tài)平衡、降低血中膽固醇的含量、預(yù)防便秘、促進(jìn)消化、緩解乳糖不耐癥、提高人體對鈣磷鐵的吸收的功效[37]?；瓷接薪∑⑽浮⒀a(bǔ)肺益腎、止瀉利濕之功效，將淮山加入奶粉或牛奶，生產(chǎn)功能性酸奶，可以豐富酸奶品種，提高產(chǎn)品的營養(yǎng)保健功效。

對于火災(zāi)發(fā)生后的火情跟蹤和撲救路線,則會根據(jù)火災(zāi)具體情況、 火災(zāi)發(fā)生周邊的取水點、 防火撲救隊伍分布和機(jī)降點等的分布進(jìn)行臨時調(diào)配,本文只討論常規(guī)路線的算法.

3 飛機(jī)林火巡護(hù)路徑規(guī)劃算法

飛機(jī)偵察路徑規(guī)劃算法主要包括動態(tài)規(guī)劃法[7]、 啟發(fā)式搜索算法[8]、 遺傳算法[2,9-11]和蟻群算法[3,12-13],在防火撲救中目前研究結(jié)果較少[14-15].

圖1 遺傳算法基本流程Fig.1 Basic flow of genetic algorithm

遺傳算法(genetic algorithm,GA)是一種模擬生物環(huán)境中遺傳和進(jìn)化過程的隨機(jī)化搜索優(yōu)化方法. 該算法的基本流程如圖1所示,先確定實際問題的參數(shù)集； 對參數(shù)集進(jìn)行編碼； 然后以隨機(jī)生成的M個個體作為初始群體； 再對群體中的個體進(jìn)行適應(yīng)度評價； 對群體進(jìn)行選擇、 交叉、 變異運算得到下一代群體； 當(dāng)?shù)螖?shù)到達(dá)初始設(shè)置的最大進(jìn)化代數(shù)時,將進(jìn)化過程中所得到的最大適應(yīng)度個體作為最優(yōu)解輸出. 遺傳算法用生物進(jìn)化的思想,采用編碼技術(shù)和繁殖機(jī)制解決了復(fù)雜的搜索問題. 它的特點是從問題解的集合開始搜索,同時處理群體中的多個個體,不用搜索空間的知識或其他輔助信息,其適應(yīng)度函數(shù)不受連續(xù)可微的約束,且適應(yīng)度函數(shù)的定義域可任意設(shè)定,這些特點都是傳統(tǒng)優(yōu)化方法所不具有的,因此遺傳算法適用于路徑規(guī)劃領(lǐng)域.

本文在目前航空任務(wù)路徑規(guī)劃研究成果的基礎(chǔ)上,采用改進(jìn)的遺傳算法進(jìn)行飛機(jī)林火巡護(hù)路徑的規(guī)劃,流程如下:

1) 路徑規(guī)劃問題提出. 假設(shè)已從飛機(jī)巡護(hù)區(qū)域的資料中獲得n個目標(biāo)點集合:

A中各點均為監(jiān)測區(qū)域內(nèi)的監(jiān)測目標(biāo),且已去除瞭望塔覆蓋面積內(nèi)的目標(biāo). 另設(shè)aS為飛機(jī)出發(fā)地,aE為飛機(jī)的巡護(hù)終點,aS和aE有可能為同一點,也可以不同. 假設(shè)飛機(jī)一次的飛行航程為mmin,飛行速度為v,要求飛機(jī)在小于m的最短時間內(nèi)從aS點出發(fā)經(jīng)A或A中的一個子集到aE點降落,目標(biāo)是經(jīng)過的路徑對監(jiān)測目標(biāo)區(qū)域的覆蓋面積最大.

2) 解空間. 飛機(jī)林火巡護(hù)路徑規(guī)劃問題的解空間就是從aS點出發(fā)經(jīng)A或A中的一個子集到aE點降落的所有組合路徑,解空間S可表示為

S={ξ1,ξ2,…,ξS}.

（2）

圖2 遺傳算法染色體編碼示意圖Fig.2 Chromosome coding of genetic algorithm

3) 編碼設(shè)計. 給A中每個監(jiān)測目標(biāo)以1～n的自然數(shù)編碼,起點aS為0,終點aE為n+1,則一條染色體即是一條以0為起點,以n+1為終點,中間經(jīng)過m(1≤m≤n)個監(jiān)測目標(biāo)點的飛行路徑,即一個監(jiān)測目標(biāo)編碼序列. 如有5個監(jiān)測點分別是1,2,3,4,5, 則從0出發(fā),到6降落的一條染色體編碼為02456,如圖2所示.

4) 種群初始化. 初始種群為從0～(n+1)中隨機(jī)產(chǎn)生的u個隨機(jī)序列. 根據(jù)飛機(jī)轉(zhuǎn)彎半徑r和總里程的限制,先將u中轉(zhuǎn)彎半徑小于r的路線去除,得到一個較合理的初始種群.

5) 適應(yīng)度函數(shù). 適應(yīng)度函數(shù)是遺傳算法進(jìn)化的評價指標(biāo),飛機(jī)林火巡護(hù)路徑規(guī)劃為一個多目標(biāo)問題,目標(biāo)函數(shù)為路徑總長度與飛行速度v和飛行時間m的乘積比值最小,且路徑對監(jiān)測目標(biāo)區(qū)域的覆蓋率最大. 覆蓋率根據(jù)飛機(jī)的高度h、 航線計算可視域范圍和監(jiān)測目標(biāo)點集合的交集和所有監(jiān)測目標(biāo)點集合的比值確定. 目標(biāo)函數(shù)為

其中d為一條路徑中從目標(biāo)點n到n+1的路徑長度. 采用權(quán)重方法將兩個目標(biāo)函數(shù)數(shù)值轉(zhuǎn)化為單目標(biāo)函數(shù)值作為適應(yīng)度函數(shù),公式為

其中w1和w2分別為兩個目標(biāo)函數(shù)的權(quán)重值,0≤w1,w2≤1,w1+w2=1,適應(yīng)度函數(shù)值f最大的路徑即為最優(yōu)路徑.

6) 選擇算子. 根據(jù)適應(yīng)度函數(shù)所計算的每條路徑適應(yīng)度值從大到小排序,將適應(yīng)度函數(shù)值最大的染色體直接復(fù)制到下一代,然后用輪盤賭的方法產(chǎn)生下一代種群中剩余的染色體, 適應(yīng)度函數(shù)值大的路徑被選為下一代種群的幾率更大.

7) 交叉算子. 將經(jīng)過選擇后的路徑進(jìn)行交叉操作,先在父代的基因位中確定幾個基因位,然后隨機(jī)選出兩個父代個體進(jìn)行基因交換,從而產(chǎn)生新的個體,如圖3所示.

8) 變異算子. 變異算子是根據(jù)一定的變異概率對染色體中的基因進(jìn)行突變,從而產(chǎn)生新的子染色體,如圖4所示.

圖3 染色體交叉算子示意圖Fig.3 Crossover operator of chromosome

圖4 染色體變異算子示意圖Fig.4 Mutation operator of chromosome

9) 終止設(shè)計. 根據(jù)實現(xiàn)設(shè)定的迭代次數(shù)進(jìn)行判斷,若達(dá)到迭代次數(shù),則計算停止,選出當(dāng)前最優(yōu)適應(yīng)度函數(shù)值對應(yīng)的染色體為最優(yōu)解,即最優(yōu)路徑； 若未達(dá)到迭代次數(shù),則進(jìn)入下一個循環(huán)計算.

4 飛機(jī)林火巡護(hù)路徑規(guī)劃

本文根據(jù)以往飛行數(shù)據(jù),采用本文飛機(jī)巡護(hù)路徑算法的設(shè)計,對北京市重點防火區(qū)域的飛機(jī)林火巡護(hù)路徑進(jìn)行規(guī)劃. 如圖5所示,北京市域范圍內(nèi)的19塊桔黃色區(qū)域為重點防火區(qū)域. 由圖5可見,重點防火區(qū)域集中在西部和北部山區(qū),路徑規(guī)劃的目標(biāo)是覆蓋19個目標(biāo)區(qū)域,行程小于原來的飛行距離600 km.

圖5 北京市重點防火區(qū)域Fig.5 Key fire prevention areas in Beijing

對每個監(jiān)測區(qū)域多邊形取內(nèi)點,得到19個監(jiān)測目標(biāo)點. 由于北京地面瞭望塔資源非常豐富,同時飛機(jī)巡護(hù)的可視范圍較大,所以在本文實例中飛機(jī)巡護(hù)作為與地面瞭望塔相互補(bǔ)充和印證的方法,不排除瞭望塔所能觀察范圍內(nèi)的監(jiān)測目標(biāo)點. 監(jiān)測目標(biāo)確定后,還需確定飛機(jī)的起降點,如圖6所示,森林防火飛機(jī)起降點共10個,也集中在北部和西部,選取平谷大溶洞機(jī)場為起點,房山燕山消防隊為終點進(jìn)行飛機(jī)林火巡護(hù)路徑的規(guī)劃. 圖7給出了起點、 終點及重點防火區(qū)域點間的位置關(guān)系. 實例中飛機(jī)以勻速185 km/h飛行,總時長為4 h,即飛機(jī)的最大飛行里程為740 km,飛機(jī)飛行高度為3 km,可視半徑為35 km,目標(biāo)函數(shù)中的權(quán)重值w1=w2=0.5,參數(shù)列于表1.

圖6 北京市森林防火飛機(jī)起降點Fig.6 Aircraft landing points of forest fire prevention in Beijing

圖7 飛機(jī)起降點及監(jiān)測目標(biāo)的位置關(guān)系Fig.7 Spatial relationships between aircraft landing point and monitoring target

初始種群從解空間中隨機(jī)選取200個個體,交叉概率取0.8,變異概率取0.06. 終止條件設(shè)為限制進(jìn)化代數(shù),進(jìn)化代數(shù)設(shè)為300代. 進(jìn)化到50代時,種群中的個體減少到121個,到100代時個體減少到73個,300代時剩下10個較優(yōu)解,結(jié)果列于表2.

表1 飛機(jī)林火巡護(hù)路徑規(guī)劃參數(shù)Table 1 Parameters of airline planning of forest fire monitoring

表2 飛機(jī)林火巡護(hù)路徑規(guī)劃結(jié)果Table 2 Result of airline planning of forest fire monitoring

圖8 飛機(jī)林火巡護(hù)路徑規(guī)劃結(jié)果Fig.8 Result of airline planning of forest fire monitoring

從10個較優(yōu)解中選出適應(yīng)值最大的一條為最優(yōu)航線,如圖8所示的路徑. 該路徑的編碼為0→8→9→12→13→3→2→6→14→1→17→19→20,路徑長度為323.608 km,對目標(biāo)點的覆蓋率為100%,其適應(yīng)度函數(shù)值為0.824 3,與原路徑相比,路徑縮短了46.06%,且覆蓋了9個區(qū)縣的19個目標(biāo)及周邊區(qū)域,覆蓋面積達(dá)12 564.67 km2.

綜上所述,本文飛機(jī)林火巡護(hù)路徑規(guī)劃考慮了監(jiān)測目標(biāo)區(qū)域的地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律和飛機(jī)性能等因素,利用遺傳算法進(jìn)行了路徑最優(yōu)解的求解. 求解的最佳路徑與原路徑相比,縮短了46.06%,且覆蓋了9個區(qū)縣的19個重點防火目標(biāo)及周邊區(qū)域.

[1]黃水生,唐小明,張煜星,等. 面向集成多監(jiān)測平臺的森林火災(zāi)監(jiān)測信息系統(tǒng)設(shè)計 [J]. 林業(yè)資源管理,2009(5): 24-28. (HUANG Shuisheng,TANG Xiaoming,ZHANG Yuxing,et al. Multi-monitoring Platforms Integration Oriented Design on the Information System of Forest Fire Monitoring [J]. Forest Resources Management,2009(5): 24-28.)

[2]王英勛,陳宗基. 基于遺傳算法(GA)的具有約束的飛行軌跡規(guī)劃 [J]. 北京航空航天大學(xué)學(xué)報,1999,25(3): 355-358. (WANG Yingxun,CHEN Zongji. Genetic Algorithms (GA) Based Flight Path Planning with Constraints [J]. Journal of Beijing University of Aeronautics and Astronautics,1999,25(3): 355-358.)

[3]白俊強(qiáng),柳長安. 基于蟻群算法的無人機(jī)航路規(guī)劃 [J]. 飛行力學(xué),2005,23(2): 35-38. (BAI Junqiang,LIU Changan. Path Planning Based on the Ant Algorithm for a Reconnaissance UAV [J]. Flight Dynamics,2005,23(2): 35-38.)

[4]魯藝,周德云. 基于數(shù)學(xué)形態(tài)學(xué)的無人機(jī)航路規(guī)劃方法研究 [J]. 彈箭與制導(dǎo)學(xué)報,2006,26(1): 677-680. (LU Yi,ZHOU Deyun. Study on Path Planning for UAV Based on Mathematical Morphology [J]. Journal of Projectiles,Rockets,Missiles and Guidance,2006,26(1): 677-680.)

[5]李開達(dá). 對于航空護(hù)林航線的討論 [J]. 科技促進(jìn)發(fā)展,2011,4: 136. (LI Kaida. Discuss on Airline of Forest Protection [J]. Science & Technology for Development,2011,4: 136.)

[6]王留林,張濱. 淺談對航空護(hù)林調(diào)度工作的幾點認(rèn)識 [J]. 森林防火,2010(1): 50-52. (WANG Liulin,ZHANG Bin. Opinions on Aviation Schedule of Forest Protection [J]. Forest Fire Prevention,2010(1): 50-52.)

[7]馬向玲,葉文,范洪達(dá). 低空突防航路規(guī)劃算法仿真研究 [J]. 系統(tǒng)仿真學(xué)報,2004,16(3): 458-460. (MA Xiangling,YE Wen,FAN Hongda. Research of Computer Simulation on Route Planning of Low Altitude Penetration [J]. Journal of System Simulation,2004,16(3): 458-460.)

[8]史和生,張曉紅,梁鶴,等. 基于戰(zhàn)術(shù)數(shù)據(jù)鏈的多飛行器飛行航路協(xié)同規(guī)劃 [J]. 中國電子科學(xué)研究院學(xué)報,2008,3(4): 415-420. (SHI Hesheng,ZHANG Xiaohong,LIANG He,et al. Coordinated Route Planning for Multiple Aircraft Based on Tactical Data Link [J]. Journal of CAEIT,2008,3(4): 415-420.)

[9]王校鋒,司守奎,孫璽菁. 基于無人機(jī)航路規(guī)劃的改進(jìn)遺傳算法研究 [C]//第25屆中國控制會議論文集. [出版地不詳]: IEEE Press,2006: 1431-1434. (WANG Xiaofeng,SI Shoukui,SUN Xijing. The Study of Improved Genetic Algorithm to Solve Flight Optimization Problem [C]//Proceedings of the 25th Chinese Control Conference. [S.l.]: IEEE Press,2006: 1431-1434.)

[10]左益宏,柳長安,羅昌行,等. 多無人機(jī)監(jiān)控航路規(guī)劃 [J]. 飛行力學(xué),2004,22(3): 31-34. (ZUO Yihong,LIU Chang’an,LUO Changxing,et al. Path Planning for Surveillance of Multiple Unmanned Air Vehicles [J]. Flight Dynamics,2004,22(3): 31-34.)

[11]柳長安,王和平,李為吉. 無人機(jī)的偵察航路規(guī)劃 [J]. 西北工業(yè)大學(xué)學(xué)報,2003,21(4): 490-494. (LIU Chang’an,WANG Heping,LI Weiji. On Path Planning for More Efficient Reconnaissance of UAV [J]. Journal of Northwestern Polytechnical University,2003,21(4): 490-494.)

[12]SU Fei,LI Yuan,PENG Hui,et al. Multi-UCAV Cooperative Path Planning Using Improved Coevolutionary Multi-ant-colony Algorithm [J]. Lecture Notes in Computer Science,2009,5754: 834-845.

[13]Lim K,Ong Y S,Lim M,et al. Hybrid Ant Colony Algorithms for Path Planning in Sparse Graphs [J]. Soft Computing: A Fusion of Foundations,Methodologies and Applications,2008,12(10): 981-994.

[14]劉麗峰,張樹清,李新紅. 人工免疫算法路徑規(guī)劃在林火救援中的應(yīng)用 [J]. 吉林大學(xué)學(xué)報: 信息科學(xué)版,2012,30(4): 433-439. (LIU Lifeng,ZHANG Shuqing,LI Xinhong. Application of Artificial Immune Algorithm in Forest Fire Rescue Path Planning [J]. Journal of Jilin University: Information Science Edition,2012,30(4): 433-439.)

[15]劉元寧,王剛,朱曉冬,等. 基于自適應(yīng)多種群遺傳算法的特征選擇 [J]. 吉林大學(xué)學(xué)報: 工學(xué)版,2011,41(6): 1690-1693. (LIU Yuanning,WANG Gang,ZHU Xiaodong,et al. Feature Selection Based on Adaptive Multi-population Genetic Algorithm [J]. Journal of Jilin University: Engineering and Technology Edition,2011,41(6): 1690-1693.)

(責(zé)任編輯： 韓 嘯)

PlanningofAirbornePatrollingPathforForestFirePreventionBasedonGeneticAlgorithms

XIE Yangsheng,HUANG Shuisheng,LI Xingying,TANG Xiaoming
(ResearchInstituteofForestResourcesandInformationTechniques,
ChineseAcademyofForestry,Beijing100091,China)

A planning method based on genetic algorithms for forest fire airborne patrolling path was proposed after the factors,including landforms,distribution of forest resources,forest fire occurrence regulation,airborne platform’s performance,had been fully taken into account. The results of tested region show that the method can not only make the path shorter than the original path (46.06%) but also meet the requirements of covering the monitoring area.

forest fire prevention; airborne patrolling; genetic algorithm; path planning

2014-01-13.

謝陽生(1975—),女,漢族,博士,從事GIS開發(fā)與應(yīng)用的研究,E-mail: xieys@caf.ac.cn. 通信作者： 黃水生(1974—),男,漢族,博士,從事GIS開發(fā)與應(yīng)用的研究,E-mail: huangss@caf.ac.cn.

中央公益性科研院所基本科研業(yè)務(wù)費專項基金(批準(zhǔn)號: IFRIT201102)和國家高技術(shù)研究發(fā)展計劃863項目基金(批準(zhǔn)號: 2012AA102001).

TP393

A

1671-5489(2014)05-1001-06