基于模擬退火和改進(jìn)遺傳算法的無(wú)人機(jī)風(fēng)電檢測(cè)動(dòng)態(tài)路徑最優(yōu)規(guī)劃模型

林陽(yáng)芷，董佳琦，秦李朝政

（長(zhǎng)沙理工大學(xué)，湖南 長(zhǎng)沙 410114）

0 引 言

風(fēng)電產(chǎn)業(yè)作為清潔能源的先行者，已經(jīng)成為推動(dòng)能源轉(zhuǎn)型發(fā)展的中堅(jiān)力量。由于風(fēng)電運(yùn)作需要大風(fēng)場(chǎng)，因此風(fēng)電葉片在運(yùn)轉(zhuǎn)過(guò)程中要承受很大的拉應(yīng)力、風(fēng)的沖擊力及葉片震動(dòng)帶來(lái)的剪切應(yīng)力，在沙漠地區(qū)還會(huì)不斷受到風(fēng)沙侵襲，-30℃至50 ℃的循環(huán)溫差，以及強(qiáng)紫外光的老化等。在這些因素影響下，風(fēng)電葉片很容易受到損壞，如不能及時(shí)檢測(cè)出受損位置并加以維護(hù)，將會(huì)降低發(fā)電機(jī)性能、影響機(jī)組壽命、造成經(jīng)濟(jì)損失，嚴(yán)重甚至將引發(fā)安全事故從而會(huì)影響整個(gè)風(fēng)電系統(tǒng)的運(yùn)作。而現(xiàn)行風(fēng)葉運(yùn)維仍多以人巡為主，需要大量人工且效率低；無(wú)人機(jī)風(fēng)電巡檢控制存在諸多不穩(wěn)定因素，極易發(fā)生“撞塔”事故；風(fēng)電葉片檢測(cè)系統(tǒng)亟待優(yōu)化，因此，以無(wú)人機(jī)為主的高效、安全、智能一體化風(fēng)電運(yùn)維方案具有極大現(xiàn)實(shí)意義。

但是現(xiàn)行關(guān)于風(fēng)電場(chǎng)無(wú)人機(jī)系統(tǒng)研究善處于初級(jí)階段，關(guān)于風(fēng)電場(chǎng)系統(tǒng)中無(wú)人機(jī)動(dòng)態(tài)路徑規(guī)劃相關(guān)研究?jī)?nèi)容少之又少。近年來(lái)，在關(guān)于無(wú)人機(jī)路徑規(guī)劃研究中，周永濤、劉唐等以最大吞吐量為目標(biāo)，計(jì)算每個(gè)時(shí)隙無(wú)人機(jī)飛行動(dòng)作，實(shí)現(xiàn)單路徑規(guī)劃，但是忽視了多無(wú)人機(jī)場(chǎng)景下無(wú)人機(jī)總體最優(yōu)布局。孫雪瑩、易軍凱針對(duì)傳統(tǒng)路徑規(guī)劃算法不足，采用了粒子群混合算法，進(jìn)一步提高計(jì)算速度與求解最短路徑質(zhì)量，但仍適用于單臺(tái)無(wú)人機(jī)三維路徑規(guī)劃?，F(xiàn)行研究多集中于單無(wú)人機(jī)場(chǎng)景下路徑最優(yōu)，多無(wú)人機(jī)場(chǎng)景下路徑規(guī)劃模型少之又少。

本文針對(duì)單無(wú)人機(jī)模型運(yùn)行場(chǎng)景，首先引入模擬退火算法（Simulated Annealing, SA），定義節(jié)點(diǎn)的實(shí)對(duì)稱矩陣D，以檢測(cè)無(wú)人機(jī)經(jīng)過(guò)節(jié)點(diǎn)的路徑長(zhǎng)度為目標(biāo)函數(shù)，通過(guò)2變換法和代價(jià)函數(shù)差求解得出最短距離。后通過(guò)遺傳算法校正分析，優(yōu)化模型。為了使得模型適配多臺(tái)無(wú)人機(jī)場(chǎng)景下檢測(cè)情況路徑最優(yōu)規(guī)劃。本文以同時(shí)派出四個(gè)檢測(cè)無(wú)人機(jī)為例進(jìn)行模型建立，我們引入優(yōu)化遺傳算法（Genetic Algorithm,GA）提出了一種起點(diǎn)可尋優(yōu)的多旅行商問(wèn)題模型，設(shè)計(jì)一種編碼方式，在算法過(guò)程中對(duì)配送中心位置進(jìn)行尋優(yōu)，確定目標(biāo)函數(shù)，從而求解得出四個(gè)檢測(cè)無(wú)人機(jī)的最優(yōu)充電路徑。經(jīng)仿真測(cè)試，本文所用模型方法可以較簡(jiǎn)單快速適配多無(wú)人機(jī)檢測(cè)風(fēng)電情況。

1 問(wèn)題描述與假設(shè)

風(fēng)電葉片智能運(yùn)維對(duì)提升風(fēng)電機(jī)組性能、減少風(fēng)電機(jī)組安全事故具有重要意義。風(fēng)電場(chǎng)系統(tǒng)中包括若干風(fēng)電機(jī)組群（Wind turbine generator system）、一個(gè)數(shù)據(jù)中心（Data Center）、一個(gè)或多個(gè)具有缺陷檢測(cè)功能無(wú)人機(jī)（Unmanned aerial vehicle （UAV）），是一種分布式網(wǎng)絡(luò)。數(shù)據(jù)中心和若干風(fēng)力發(fā)電機(jī)分布在一個(gè)隨意設(shè)置的二維空間，無(wú)人機(jī)從數(shù)據(jù)中心出發(fā)，以固定速度依次經(jīng)過(guò)風(fēng)電機(jī)，在每臺(tái)風(fēng)電機(jī)處停留一段時(shí)間并以固定速率進(jìn)行葉片檢測(cè)，直到所有風(fēng)電機(jī)葉片完成內(nèi)外缺陷檢測(cè)完成之后返回?cái)?shù)據(jù)中心，所探討具體問(wèn)題假設(shè)如下：

（1）由于無(wú)人機(jī)飛行距離遠(yuǎn)大于無(wú)人機(jī)的長(zhǎng)度、寬度以及風(fēng)電機(jī)和數(shù)據(jù)中心的體積所造成距離偏差，所以無(wú)人機(jī)、風(fēng)電機(jī)、數(shù)據(jù)中心類物理中的質(zhì)點(diǎn)處理。

（2）假定無(wú)人機(jī)飛行距離為最小直線距離，忽略由于地形、道路影響所造成的飛行距離偏差。

（3）假定無(wú)人機(jī)在數(shù)據(jù)中心已充滿足夠電量，其電量可供所經(jīng)過(guò)的風(fēng)電機(jī)檢測(cè)所需。

2 單個(gè)無(wú)人機(jī)最小能量損耗的充電路線

2.1 每臺(tái)風(fēng)電機(jī)之間的位置

將所給每臺(tái)風(fēng)電機(jī)的經(jīng)緯度數(shù)據(jù)導(dǎo)入到MATLAB中，通過(guò)數(shù)據(jù)分析處理得到每臺(tái)風(fēng)電機(jī)與數(shù)據(jù)中心的位置關(guān)系圖，如圖1所示（其中，十字點(diǎn)為數(shù)據(jù)中心，星號(hào)點(diǎn)為風(fēng)電機(jī)位置）。

圖1 風(fēng)電機(jī)與數(shù)據(jù)中心的位置關(guān)系圖

2.2 每臺(tái)風(fēng)電機(jī)與數(shù)據(jù)中心的距離求解

2.2.1 地理坐標(biāo)的換算

根據(jù)所給每臺(tái)風(fēng)電機(jī)節(jié)點(diǎn)的經(jīng)緯度地理坐標(biāo)，依據(jù)問(wèn)題假設(shè)，將風(fēng)電機(jī)看作質(zhì)點(diǎn)，因?yàn)闊o(wú)人機(jī)飛行過(guò)程中，多在兩點(diǎn)之間直接移動(dòng)，求解檢測(cè)路線最優(yōu)規(guī)劃時(shí)，首先需計(jì)算各點(diǎn)之間的最小實(shí)際距離。假設(shè)兩質(zhì)點(diǎn)為A與B，兩者的地理坐標(biāo)分別為（x，y），（x，y），則A，B兩質(zhì)點(diǎn)之間實(shí)際距離即為大圓的劣弧長(zhǎng)長(zhǎng)度。以地心為坐標(biāo)O，以赤道平面為XOY平面，以0度經(jīng)線圈所在的平面為XOZ平面建立三維直角坐標(biāo)系。則A，B兩點(diǎn)的直角坐標(biāo)分別為

式中：R=6 370 km為地球半徑。

A，B兩點(diǎn)的實(shí)際距離：

化簡(jiǎn)可得任意兩點(diǎn)距離計(jì)算公式為：

2.2.2 建立距離矩陣

假設(shè)風(fēng)電場(chǎng)系統(tǒng)中數(shù)據(jù)中心為編號(hào)1，目標(biāo)風(fēng)電機(jī)依次編號(hào)為2，3，…，30，最后數(shù)據(jù)中心再重復(fù)編號(hào)31。距離矩陣D=（d），其中d表示i，j兩點(diǎn)的距離，i，j=1，2，…，31，這里D為是對(duì)稱矩陣。

2.3 模擬退火算法模型建立

根據(jù)模擬退火算法原理的闡述，得以模擬退火算法具體求解流程如下：

2.3.1 解空間

設(shè)定解空間S可表示為{1，2，…，31}，所有固定起點(diǎn)和終點(diǎn)正如上文建立距離矩陣，依次編號(hào)并進(jìn)行排列集合，初始點(diǎn)循環(huán)，即：

其中：每一個(gè)循環(huán)排列表示檢測(cè)無(wú)人機(jī)對(duì)29臺(tái)風(fēng)電機(jī)檢測(cè)的一個(gè)回路，π=j為在第i-1次檢測(cè)目標(biāo)風(fēng)電機(jī)j，初始解可選擇為（1，2，…，31）。

2.3.2 目標(biāo)函數(shù)

以距離矩陣為自變量，無(wú)人機(jī)檢測(cè)所有風(fēng)電機(jī)檢測(cè)的最小路徑規(guī)劃長(zhǎng)度為因變量建立對(duì)應(yīng)目標(biāo)函數(shù)。要求依次迭代，具體由下列三步構(gòu)成。

2.3.3 新解的產(chǎn)生

設(shè)第一步迭代的解為：

進(jìn)行2變換，任選序號(hào)u，v，交換u與v之間的順序，變成逆序，此時(shí)的新路徑為：

2.3.4 代價(jià)函數(shù)差

對(duì)于2變換法，路徑差可表示為：

2.3.5 接受準(zhǔn)則

如式（9）所示，若Δf＜0，則說(shuō)明所求得新解小于原解，新解為更優(yōu)路徑，則接受新的路徑；若Δf＞0，則以概率e極低概率接受新的路徑?？衫斫鉃橥ㄟ^(guò)加入rand函數(shù)，系統(tǒng)自動(dòng)產(chǎn)生一個(gè)[0，1]區(qū)間上均勻分布的隨機(jī)數(shù)，若所產(chǎn)生rand函數(shù)值滿足rand≤e不等式，則接受新路徑。

2.3.6 降溫

利用選定的降溫系數(shù)α進(jìn)行降溫，取新的溫度T為αT，這里的T為上一步迭代的溫度，這里選定α=0.999。

2.3.7 結(jié)束條件

判斷退火過(guò)程是否結(jié)束，通過(guò)選定指定終止溫度e進(jìn)行判斷，本文假設(shè)e=3。若T＜e，滿足所給降溫條件，則直接輸出當(dāng)前狀態(tài)。

2.4 模型求解結(jié)果

首先將1個(gè)數(shù)據(jù)中心和29個(gè)風(fēng)電機(jī)位置的經(jīng)緯度坐標(biāo)數(shù)據(jù)導(dǎo)入到MATLAB中，利用經(jīng)緯度距離公式，導(dǎo)出距離矩陣，后代入原先所編寫好的模擬退火算法程序。無(wú)人機(jī)運(yùn)動(dòng)路徑（path）、運(yùn)動(dòng)路徑長(zhǎng)度（long）、選定終止溫度（e）、循環(huán)次數(shù)（?）、降溫系數(shù)（α）等參數(shù)默認(rèn)與坐標(biāo)距離求解程序參數(shù)相同，程序循環(huán)10 000次，取相對(duì)最優(yōu)解。

MATLAB的運(yùn)行結(jié)果為：

path：

0 -＞ 1 -＞ 2 -＞ 20-＞9-＞ 8 -＞ 12 -＞ 10 -＞ 13-＞ 16-＞ 27-＞15-＞ 14 -＞ 11-＞ 6-＞ 7-＞ 18 -＞ 25 -＞ 26 -＞ 29 -＞ 19 -＞ 17 -＞ 21 -＞23 -＞24-＞ 28 -＞ 22 -＞ 4 -＞ 3-＞5 -＞0 （0表示數(shù)據(jù)中心，其他數(shù)字表示風(fēng)電機(jī)數(shù)字）

long：12.2552km

具體如圖2所示（其中，十字為數(shù)據(jù)中心，星號(hào)為風(fēng)電機(jī)）。

圖2 檢測(cè)無(wú)人機(jī)實(shí)際距離最優(yōu)化路程規(guī)劃圖

檢測(cè)無(wú)人機(jī)移動(dòng)的實(shí)際最小距離為12.255 2 km，由于正時(shí)針走向與逆時(shí)針走向總路程不變，因此無(wú)人機(jī)最小化能量消耗的具體行程有順逆時(shí)針兩種走法：

逆時(shí)針走法：數(shù)據(jù)中心→風(fēng)電機(jī)1→風(fēng)電機(jī)2→風(fēng)電機(jī)20→風(fēng)電機(jī)9→風(fēng)電機(jī)8→風(fēng)電機(jī)12→風(fēng)電機(jī)10→風(fēng)電機(jī)13→風(fēng)電機(jī)16→風(fēng)電機(jī)27→風(fēng)電機(jī)15→風(fēng)電機(jī)14→風(fēng)電機(jī)11→風(fēng)電機(jī)6→風(fēng)電機(jī)7→風(fēng)電機(jī)18→風(fēng)電機(jī)25→風(fēng)電機(jī)26→風(fēng)電機(jī)29→風(fēng)電機(jī)19→風(fēng)電機(jī)17→風(fēng)電機(jī)21→風(fēng)電機(jī)23→風(fēng)電機(jī)24→風(fēng)電機(jī)28→風(fēng)電機(jī)22→風(fēng)電機(jī)4→風(fēng)電機(jī)3→風(fēng)電機(jī)5→數(shù)據(jù)中心（順時(shí)針即為反向）。

2.5 模擬退火模型的改進(jìn)結(jié)果

模擬退火算法雖然具有局部搜索能力強(qiáng)、運(yùn)行時(shí)間短的優(yōu)點(diǎn)，但具有全局搜索能力差，容易受到參數(shù)的影響的缺點(diǎn)。為了使模型更加準(zhǔn)確，采用遺傳算法改進(jìn)現(xiàn)有的模擬退火算法，以此得出檢測(cè)無(wú)人機(jī)行駛最小距離最優(yōu)值，改進(jìn)結(jié)果如圖3所示。

圖3 檢測(cè)無(wú)人機(jī)實(shí)際距離最優(yōu)化路程規(guī)劃圖（遺傳算法）

求解得，檢測(cè)無(wú)人機(jī)移動(dòng)的實(shí)際最小距離為11.481 5 km，同樣由于順時(shí)針走向與逆時(shí)針走向總路程不變，因此移動(dòng)無(wú)人機(jī)最小化能量消耗的具體行程有順逆時(shí)針兩種走法：

順時(shí)針走法：數(shù)據(jù)中心→風(fēng)電機(jī)2→風(fēng)電機(jī)1→風(fēng)電機(jī)9→風(fēng)電機(jī)7→風(fēng)電機(jī)6→風(fēng)電機(jī)14→風(fēng)電機(jī)11→風(fēng)電機(jī)8→風(fēng)電機(jī)12→風(fēng)電機(jī)15→風(fēng)電機(jī)27→風(fēng)電機(jī)16→風(fēng)電機(jī)13→風(fēng)電機(jī)10→風(fēng)電機(jī)5→風(fēng)電機(jī)3→風(fēng)電機(jī)4→風(fēng)電機(jī)22→風(fēng)電機(jī)28→風(fēng)電機(jī)24→風(fēng)電機(jī)23→風(fēng)電機(jī)21→風(fēng)電機(jī)29→風(fēng)電機(jī)26→風(fēng)電機(jī)25→風(fēng)電機(jī)18→風(fēng)電機(jī)19→風(fēng)電機(jī)20→風(fēng)電機(jī)17→數(shù)據(jù)中心（逆時(shí)針即為反向）。

3 多個(gè)移動(dòng)檢測(cè)無(wú)人機(jī)情況下最優(yōu)路程規(guī)劃與風(fēng)電機(jī)電池容量最優(yōu)解（以四個(gè)為例）

3.1 遺傳算法多旅行商模型建立

用遺傳算法研究關(guān)于多個(gè)移動(dòng)檢測(cè)無(wú)人機(jī)情況下最優(yōu)路程規(guī)劃，可看作多旅行商問(wèn)題模型建立。

本程序需具備的條件有：（1）每臺(tái)檢測(cè)無(wú)人機(jī)均從數(shù)據(jù)中心出發(fā)，最后需返回?cái)?shù)據(jù)中心，且每臺(tái)移動(dòng)檢測(cè)無(wú)人機(jī)行駛過(guò)程中不重復(fù)經(jīng)過(guò)同臺(tái)風(fēng)電機(jī)節(jié)點(diǎn)。（2）除了第一個(gè)條件外，每臺(tái)風(fēng)電機(jī)節(jié)點(diǎn)有且只能被一臺(tái)檢測(cè)無(wú)人機(jī)檢測(cè)一次。

所建立具體模型的參數(shù)設(shè)定如下：

檢測(cè)無(wú)人機(jī)數(shù)=4；種群大小M=80；最大代數(shù)G=5 000；理想迭代次數(shù)（NUMITER）=10 000；交叉率p=1，交叉概率為1能保證種群的充分進(jìn)化；變異率p=0.1，一般而言，變異發(fā)生的可能性較小，

根據(jù)所設(shè)經(jīng)緯度數(shù)據(jù)，計(jì)算兩個(gè)風(fēng)電機(jī)節(jié)點(diǎn)距離需經(jīng)緯度轉(zhuǎn)化坐標(biāo)可得。因此，根據(jù)單位經(jīng)緯度長(zhǎng)度公式得：緯度1°=111.194 km，緯度36°左右時(shí)經(jīng)度1°= 89.469 km。導(dǎo)入所給各風(fēng)電機(jī)節(jié)點(diǎn)經(jīng)緯度數(shù)據(jù)成為坐標(biāo)數(shù)據(jù)，后利用數(shù)據(jù)中心和29個(gè)風(fēng)電機(jī)節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)，得到各個(gè)節(jié)點(diǎn)的距離。

3.1.1 編碼策略

由于遺傳算法主要原理為染色體交匯變異，在一般解空間表示中，大多采用二進(jìn)制編碼形式，但是由于本問(wèn)題為多旅行商問(wèn)題，該模型使用二進(jìn)制編碼方式不宜表示相應(yīng)解，因此本模型所采用的遺傳算法需要用特殊的修補(bǔ)算子來(lái)修復(fù)變化算子所產(chǎn)生的非法路徑（即不可行路徑）。根據(jù)上文所得數(shù)據(jù)中心與29個(gè)風(fēng)電機(jī)編號(hào)，相應(yīng)解用十進(jìn)制數(shù)編碼表示更加直觀判斷無(wú)人機(jī)最優(yōu)路徑，如上文數(shù)據(jù)中心編號(hào)為1，風(fēng)電機(jī)1編號(hào)為2，風(fēng)電機(jī)2編號(hào)為3……以此類推，風(fēng)電機(jī)29編號(hào)為30。

遺傳算法采用十進(jìn)制編碼，隨機(jī)數(shù)列w，…，w作為染色體，其中0≤w≤10（i=2，3，…，30）；每個(gè)隨機(jī)序列都和種群中的個(gè)體相對(duì)應(yīng)。例如，目標(biāo)3的一個(gè)染色體為：

[0.82，0.29，0.73，0.38，0.78，0.56，0.87，0.62，0.11]

式中：編碼位置i為數(shù)據(jù)中心或風(fēng)電機(jī)節(jié)點(diǎn)，位置i所對(duì)應(yīng)染色體所產(chǎn)生隨機(jī)數(shù)表示目標(biāo)i在巡回中的順序，將這些隨機(jī)數(shù)按升序排列得到如下巡回：9-2-4-6-8-3-5-1-7

3.1.2 初始種群

采用經(jīng)典改良圈算法可求得一個(gè)較優(yōu)質(zhì)初始種群，對(duì)于隨機(jī)產(chǎn)生的四個(gè)初始圈：

交換u與v、w與x、y與z、a與b之間的順序，此時(shí)四個(gè)無(wú)人機(jī)新路徑為：

3.1.3 目標(biāo)函數(shù)

函數(shù)因變量為4臺(tái)無(wú)人機(jī)僅經(jīng)過(guò)一臺(tái)風(fēng)電機(jī)情況最短路徑長(zhǎng)度，算法中適應(yīng)度函數(shù)即為目標(biāo)函數(shù)：

3.1.4 交叉操作

為了算法簡(jiǎn)便化，更快求出所需解，本算法采用單點(diǎn)交叉操作形式。設(shè)f和f為C的兩個(gè)父代個(gè)體，其值假設(shè)為f=ww…w，f=w′w′…w′，隨機(jī)地選取第t個(gè)基因處為交叉點(diǎn)，經(jīng)過(guò)交叉運(yùn)算后，所得到新式即為子代個(gè)體Z和Z，其中Z的基因由f的前t個(gè)基因和f的后31-t個(gè)基因構(gòu)成，Z的基因由f的前t個(gè)基因和f的后31-t個(gè)基因構(gòu)成，例如：

若交叉點(diǎn)為第4個(gè)基因處，則：

C，C，C的交叉操作同C，在交叉操作過(guò)程中，正是子代不斷進(jìn)化的過(guò)程，交換選擇方式多樣，為了能保證子代繼承父代的優(yōu)良特性，變異操作在交叉操作運(yùn)行過(guò)程中也同樣有所體現(xiàn)。

3.1.5 變異操作

3.1.6 選擇操作

最終確定結(jié)果，即選擇路徑數(shù)值最小的解。從遺傳算法層面來(lái)說(shuō)，即在父代種群和子代種群變異過(guò)程中，通過(guò)不斷篩選目標(biāo)函數(shù)值最小的M個(gè)體進(jìn)化到下一代，以此不斷進(jìn)行，變換與選擇過(guò)程中同樣需保證保存父代的優(yōu)良特性。

具體流程圖如圖4所示。

圖4 遺傳算法多旅行商問(wèn)題算法具體流程圖

3.2 優(yōu)化遺傳算法求解結(jié)果

將每個(gè)風(fēng)電機(jī)和數(shù)據(jù)中心節(jié)點(diǎn)的地理經(jīng)緯度坐標(biāo)代入MATLAB程序中，程序循環(huán)10 000次，取相對(duì)最優(yōu)解。

MATLAB的運(yùn)行結(jié)果為：

path：

C1：0 -＞ 1 -＞2-＞ 0

C2：0 -＞ 3 -＞ 28 -＞ 24 -＞23 -＞ 22 -＞ 21 -＞ 4 -＞ 0

C3：0 -＞5 -＞10-＞13-＞16-＞27 -＞ 15 -＞ 12 -＞8 -＞ 11 -＞ 14-＞6-＞7-＞9 -＞ 0

C4：0 -＞ 17 -＞ 19 -＞ 29 -＞ 26 -＞ 25 -＞ 18 -＞ 20 -＞ 0

（0表示數(shù)據(jù)中心，其他數(shù)字表示風(fēng)電機(jī)數(shù)字）

Distance：

C1：0.9535 km

C2：3.4981 km

C3：4.7231 km

C4：4.0247 km

long：13.1994km

四臺(tái)檢測(cè)無(wú)人機(jī)移動(dòng)的實(shí)際最小距離總和為13.199 4 km，充電具體路徑如圖5所示，由于正時(shí)針走向與逆時(shí)針走向總路程不變，因此檢測(cè)無(wú)人機(jī)最小化能量消耗的具體行程有順逆時(shí)針兩種走法：

圖5 四臺(tái)檢測(cè)無(wú)人機(jī)實(shí)際距離最優(yōu)化路程規(guī)劃圖

逆時(shí)針走法：

C1：數(shù)據(jù)中心→風(fēng)電機(jī)1→風(fēng)電機(jī)2→數(shù)據(jù)中心；

C2：數(shù)據(jù)中心→風(fēng)電機(jī)3→風(fēng)電機(jī)28→風(fēng)電機(jī)24→風(fēng)電機(jī)23→風(fēng)電機(jī)22→風(fēng)電機(jī)21→風(fēng)電機(jī)4→數(shù)據(jù)中心；

C3：數(shù)據(jù)中心→風(fēng)電機(jī)5→風(fēng)電機(jī)10→風(fēng)電機(jī)13→風(fēng)電機(jī)16→風(fēng)電機(jī)27→風(fēng)電機(jī)15→風(fēng)電機(jī)12→風(fēng)電機(jī)8→風(fēng)電機(jī)11→風(fēng)電機(jī)14→風(fēng)電機(jī)6→風(fēng)電機(jī)7→風(fēng)電機(jī)9→數(shù)據(jù)中心；

C4：數(shù)據(jù)中心→風(fēng)電機(jī)17→風(fēng)電機(jī)19→風(fēng)電機(jī)29→風(fēng)電機(jī)26→風(fēng)電機(jī)25→風(fēng)電機(jī)18→風(fēng)電機(jī)20→數(shù)據(jù)中心（順時(shí)針即為反向）。

3.3 遺傳算法模型結(jié)果的檢驗(yàn)

為了測(cè)試得到相對(duì)優(yōu)良的結(jié)果，并且考慮到增加局部搜索的能力，子代代數(shù)越大，變異的概率也相應(yīng)有一定的增大。因此，我們對(duì)種群規(guī)模、迭代次數(shù)、交叉概率和突變概率做了相應(yīng)的一些變化，測(cè)試了多組數(shù)據(jù)，如表1所示。

表1 多種參數(shù)條件下的充電路徑路程

注：由于每次產(chǎn)生后代都是在隨機(jī)概率情況下進(jìn)行交叉和變異，在迭代次數(shù)固定情況下，以上最小總路程是經(jīng)過(guò)多次試驗(yàn)后取得的最優(yōu)解；在迭代飽和的情況下，以上最小總路程是以人為觀察隨迭代次數(shù)增加其不變的取值，最小總距離有一定的誤差。

經(jīng)過(guò)多次調(diào)整參數(shù)進(jìn)行實(shí)驗(yàn)，當(dāng)種群規(guī)模為80，迭代次數(shù)為2 000，交叉概率為0.65，突變概率為0.05時(shí)，檢測(cè)路徑的總路程最優(yōu)解為13.199 4 km。

4 結(jié) 論

本文構(gòu)建了基于模擬退火和改進(jìn)遺傳算法無(wú)人機(jī)風(fēng)電檢測(cè)最優(yōu)路徑模型，很好解決了檢測(cè)無(wú)人機(jī)最小化路線規(guī)劃問(wèn)題，具有一定合理性，模型具體優(yōu)缺點(diǎn)如下：

（1）建立的模型能與實(shí)際緊密聯(lián)系，結(jié)合實(shí)際情況對(duì)所提出的問(wèn)題求解，通過(guò)修改程序參數(shù)，理論上其實(shí)可以使用任何正常數(shù)量的檢測(cè)無(wú)人機(jī)和正常數(shù)量的風(fēng)電機(jī)之間的最優(yōu)路線規(guī)劃，模型具有通用性，推廣性較強(qiáng)。

（2）本文采用了模擬退火算法與遺傳算法，選用了機(jī)器算法，算法新穎，考慮相對(duì)全面，仿真結(jié)果合理性較強(qiáng)，模型所得結(jié)果可信度高。

（3）該模型對(duì)于數(shù)據(jù)分布及樣本量限制小，既可以用于小規(guī)模樣本，亦可以用于大規(guī)模樣本，較為靈活、方便。

（4）但該模型運(yùn)算過(guò)程較麻煩，運(yùn)算時(shí)間耗費(fèi)較長(zhǎng)，程序運(yùn)行時(shí)間耗時(shí)長(zhǎng)。

（5）模型還存在一定的隨機(jī)性，需要不斷嘗試最后選取最優(yōu)解。除此之外，程序在搜索過(guò)程中，多采取全局搜索和局部搜索方式，沒(méi)有進(jìn)行完整搜索。

（6）現(xiàn)實(shí)生活中，需要考慮較為復(fù)雜的其他因素（例如：地形、無(wú)人機(jī)時(shí)速限制、運(yùn)行路徑、路障等），該模型較簡(jiǎn)單，未能對(duì)其進(jìn)行全面考慮，造成與實(shí)際有不符之處。