0 引言

隨著現代化社會的飛速發展，物流配送成為運輸行業的新型行業。將優化理念融入到物流活動的全過程，接收與發送不同的物流[1]。通過智能避障與目標追蹤，將商品配送到指定位置。在物流配送過程中，特殊環境下使用無人機在線避障，能夠保證無人機運行的實時性和安全性。由于現有的優化方法配送時間的準確性差，小型無人機續航能力差，存在延誤等問題。面對特殊環境下的物流配送，不能及時了解貨物配送情況，無法實時更新配送信息，造成資源浪費。針對上述不足，本次研究以無人機物流配送路徑自動優化為研究對象，使用改進遺傳算法，結合實際情況進行方法設計，并以實驗的形式驗證方法性能。

1 無人機物流配送路徑自動優化設計

1.1無人機配送站點選址

將無人機配送站點服務范圍內作為需求點，通過物流中心將物品按照標準運送到不同的配送站點，再使用無人機對不同站點之間進行配送，最后返回完成配送，其中存在續航里程的問題[2]。在標準續航范圍內，對無人機配送站點進行選址。采用分層序列法為配送區域內配送距離為目標，添加無人機配送站點，劃分配送子區域。設定配送路徑為從物流中心到配送站點的對應直線，且所有配送距離均在無人機續航里程范圍內。設定建設成本為k，得到無人機配送站點數量的目標函數為

式（1）中：k為建設程度，在確定無人機的站點數量后，需要對不同站點之間的距離進行測量。以無人機配送站點為圓心，運用重疊算法對區域內的所有節點進行覆蓋。根據站點到物流中心的距離，按照長短依次進行編號，同時將距離結果集合。找到集合中的最短距離，并設定中心節點為O，在特征圓中確定不同配送站點的位置，并運用螢火蟲算法在平面進行最優站點選址。為能夠在全局范圍內得到最優解，設定每個螢火蟲表示對應的配送站點位置[3]。螢火蟲的相對亮度值可以得到計算。同時，根據兩只螢火蟲之間的最大吸引度，進行位置更新：式（2）中：α為步長因子；β為最大吸引度；V1為上一時刻位置。通過調整局部搜索能力，對站點位置進行迭代優化。按照配送范圍對不同站點的位置進行移動，形成全覆蓋。設定懲罰因子，添加對應的適應度函數[4]。為了能夠加速找到選址點位置，通過多次尋優，更新螢火蟲位置，對內容進行反向擴散學習，確定無人機配送站點位置。

1.2考慮配送時間窗構建路徑配送模型

在配送過程中，客戶的時間窗問題需要得到解決。將不同無人機的配送路徑整合成一個回路，通過迭代得到最優解來減少車輛的行駛距離。將無人機客戶加入到其中形成一個完整的初始解，依次將運輸問題中的兩個回路合并為一個回路，節約距離的計算公式為

式（3）中，d1,d2,d3表示不同節點之間的距離。無人機單次僅為一個客戶進行服務，從物流網絡節點位置處發射，以最大飛行速度進行物流配送[5]，從而節約時間。以上述研究為基礎，構建無人機配送路徑模型，其可表示為

式（4）中，dij代表配送站點i到配送站點j之間的距離；xij表示無人機從配送站點i到配送站點j;K代表無人機數量。

1.3應用改進遺傳算法實現物流配送路徑自動優化

為實現物流配送路徑的自動優化，在完成無人機配送路徑模型構建之后，采用改進遺傳算法對其進行求解，其過程如下：從染色體編碼開始，對客戶點依據時間順序依次進行編號，染色體長度為v。依據從物流中心出發最后回到起點的原則，在起點之間設定一條運輸路線。根據無人機最大載重的限制進行編碼，對選擇的點進行從小到大排序。建立適應度函數，適應度越高，遺傳概率就越大。通過公式計算最小目標函數為

式（5）中：F為個體的適應度；minA為個體的最小成本。根據染色體適應度的大小，確定染色體能否在遺傳中進行更好的應用。同時為了能夠適應環境的個體特征得到保留，對優秀個體進行保留。隨機截取兩個父代染色體帶，并隨機截取兩個父代染色體。依據變異算子設定規律，及時更新染色體上不同基因的位置，對變異基因進行交換。通過交換位置，更新位置從而減少最優解出現過早收斂的情況，不斷迭代直到形成最優解，以此完成物流配送路徑最優化的判斷，再將求解得到的最優路徑方案轉化為無人機可執行的指令，包括無人機的起飛、降落、航行等操作，并利用相應的自動化系統將任務指派給無人機進行配送。

2 實驗測試與分析

2.1搭建實驗環境

以某配送站為例開展研究，其共有20個配送服務站點，利用無人機進行配送，無人機可飛行距離為15～20km，飛行速度可達到35km/h。將出發點設定為0，經過不同站點到達終點20，按照此運輸實際順序完成配送過程，具體如圖1所示。

設定算法種群規模為100，迭代次數為30，交叉概率為0.4。利用Matlab軟件進行編程，將算法參數和數據輸入其中，并進行無人機配送路徑規劃，使其在滿足客戶需求量的情況下，運用無人機配送模式完成配送作業。

2.2結果與分析

根據Matlab仿真運行得到五個小組的最優路線情況，在地圖上進行顯示，根據不同測距結果得到無人機運行流向，獲得優化后的線路數量見表1。

由表1可知，應用實驗組，其獲得的配送線路為3條，五個小組中設計路徑最少，應用3架直升機即可完成路徑配送，由此可說明運用本文方法能夠節約配送時間，提升配送效率，達到最優配送效果。

3 結語

本次從無人機物流配送路徑優化入手，結合了改進遺傳算法，探究了基于改進遺傳算法的無人機物流配送路徑優化方法的應用。根據不同用戶的服務時間，對相應的物流配送時間進行及時修正。通過改進遺傳算法進行全局搜索，保證解的多樣性，對無人機的路徑和定位進行優化，得到更精準的物流配送路徑。通過對算法的改善，實現了基于改進遺傳算法的無人機物流配送路徑優化方法，并得到了良好應用。