增强型自适应路径优化在灾后场景下的无人机物流配送中的应用

《IEEE Open Journal of the Computer Society》：Enhanced Adaptive Path Optimization for UAV Logistics Delivery in Post-Disaster Scenarios

　　

摘要：

灾后物流需要在基础设施受损和运营条件受限的情况下实现快速交付。无人机（UAV）能够高效地到达受灾区域，但其任务受到电池续航能力、载荷容量、风况干扰以及多无人机协调需求的限制。本文提出了一种名为“增强型自适应路径优化”（EAPO）的轻量级、确定性启发式算法，用于多无人机协同物流。EAPO将以下因素整合到一个在线决策循环中：（i）考虑返回路径的能源可行性；（ii）非部分性的单次访问服务；（iii）基于优先级的节点选择。该算法无需离线训练或针对具体实例的参数调整即可运行。在随机风况和异质需求条件下进行的仿真评估表明，与基线算法相比，EAPO显著降低了总运营时间（最多减少了15.3%）和能源消耗（约5.7–12.6%），同时保持了与现有路由策略相当的平均交付时间。运行时间扩展实验表明，该算法能够随着问题规模的增加而平稳扩展，且在评估的运行范围内，碰撞避免的开销可以忽略不计。这些结果使得EAPO成为在明确可行性和服务约束条件下进行无人机任务级物流规划的一个可解释的基准方案。