基于混合遗传算法的无人机森林防火巡护路径研究

作     者：张峰玲 童红卫 黄天来 陈哲 李勇 叶婷婷 项小军 程爱林 

作者机构：青田县林业局 龙泉市林业局 浙江省森林资源监测中心 

出 版 物：《浙江林业科技》 (Journal of Zhejiang Forestry Science and Technology)

年 卷 期：2024年第05期

页      面：132-139页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0838[工学-公安技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：丽水市科技计划项目(2023SJZC023) 

主　　题：遗传算法 K-means聚类算法 无人机 森林防火 路径规划 

摘      要：本研究提出了一种混合遗传算法，即K-means聚类分析结合基于模拟退火改进的遗传算法，以优化无人机森林防火巡护路径规划。首先，通过K-means聚类分析对巡护点进行分类，有效降低解空间，并适应无人机的续航限制。接着，初始化种群时采用自然数编码表示每个巡护点，形成初始解集。在进化机制中，采用改进的顺序交叉（OX）技术进行基因交换，并通过模拟退火算法优化选择操作，增强局部寻优能力，防止陷入局部最优。文章以浙江省青田县腊口镇为例，实证结果表明，K-means聚类分析将腊口镇防火巡护点分为2个簇，使用改进的遗传算法对每个簇进行优化，均能达到全局最优解。仿真实验结果表明，改进后的混合遗传算法在不同规模的防火巡护点路径规划中表现出色：当巡护点规模为10个以下时，传统遗传算法和混合遗传算法没有明显差距，当巡护点规模增加20个以上时混合遗传算法优化结果优势明显。当巡护点规模为30个时，优化时间增加约3.37秒，但最优路径长度减少了23.90%。当巡护点规模为40个时，优化时间增加约4.83秒，但最优路径长度减少了30.18%。结论显示，K-means聚类分析有效降低了解空间并适应无人机续航限制，遗传算法的全局寻优与模拟退火的局部寻优相结合，显著提高了无人机巡护效率和资源配置效果，为无人机在森林防火中的应用提供了新思路。