控制与决策

作者：秦文龙,罗贺,李晓多,阴酉龙,林世忠,王国强

单位：合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室, 合肥 230009,,合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室, 合肥 230009;安徽省空天系统智能管理工程研究中心，合肥 230009,,合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室, 合肥 230009,,国网安徽省电力有限公司 无人机巡检作业管理中心，合肥 230061,,安徽送变电工程有限公司，合肥 230071,,合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室, 合肥 230009;安徽省空天系统智能管理工程研究中心，合肥 230009,

关键词：团队定向问题;多无人机;路径规划;遗传算法;SAC模型

基金：国家自然科学基金面上项目(72271076, 71971075, 71871079)；安徽省自然科学基金项目(2308085QG 233).

多无人机应急电力巡检的时间十分有限, 在选择关键巡检目标时需要考虑各目标的故障概率差异, 同时为提升巡检效率, 可以引进换电站降低无人机续航能力不足的影响. 针对上述特点, 将考虑多换电站的多无人机应急电力巡检路径规划问题建模为多站点多航次团队定向问题, 并设计一种融合软演员-评论家模型的遗传算法(SAC-GA). 首先, 在遗传算法中加入两类局部搜索算子, 以优化多无人机访问目标的选择和缩短无人机飞行路径距离. 其次, 提出一种基于SAC模型的参数调优机制, 利用SAC模型基于最大熵学习策略的优势, 在遗传算法迭代过程中, 根据历史学习经验和种群的状态动态生成合适的交叉、变异概率以及染色体再插入中的权距比. 实验结果表明, 算法在小规模实验和大规模实验上均具有明显优势, 并通过消融实验验证SAC-GA中局部搜索算子的有效性和参数调整方法的优越性. 最后, 通过案例分析验证算法在不同应急场景下的有效性.

来源：2025年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第8期