【无人机协同车辆】基于停靠点的NIA算法(NIAS)单卡车协同单无人机多客户外卖配送路径规划（目标函数：最短时间）附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

​考虑一辆卡车与一架无人机协同将包裹从仓库运送到一组 n 个分散的客户，或者从客户那里收取包裹并将其运送到卡车上。在这个过程中，我们需要受到时序约束，指定哪些客户需要在哪些其他客户之前得到服务。每个客户都有一个包裹要由无人机投递或拾取，并且卡车被限制在一组停靠点之间行驶。一旦卡车到达停靠点，只要满足有效无人机载荷限制，无人机就会起飞并在其飞行距离内为多个客户提供服务。卡车释放的无人机至少可以从一个停靠点访问每个客户，以确保可以为所有客户提供服务。假设卡车有足够的空间存放需要提取或交付的包裹，并且卡车可以在可以忽略不计的时间内为无人机提供电池，卡车和无人机可以同时移动。目标函数是最小化最后一个客户的服务时间。

📣 部分代码

function [output_args] = PlotResult(data,solution,xRange,yRange)scatter(data.stoppingPos(1,:),data.stoppingPos(2,:),80,'s','filled','b');hold on;%根据客户需求不同画不同颜色for i = 1:data.customerNum    if data.Request(i) == 0 %收取        scatter(data.customerPos(1,i),data.customerPos(2,i),50,'filled','g');    elseif data.Request(i) == 1 %派发        scatter(data.customerPos(1,i),data.customerPos(2,i),50,'filled','r');    endend% scatter(data.customerPos(1,:),data.customerPos(2,:),50,'filled');allNodeSum = data.stoppingNum + data.customerNum;% for i = 1: allNodeSum%    str = sprintf('%d',i);%    text(data.allPos(1,i)+4,data.allPos(2,i)+8,str);% endnum = length(solution.route);start = 1;% str = sprintf('%d',solution.route(start));% text(data.allPos(1,solution.route(start))+4,data.allPos(2,solution.route(start))+8,str);for i =2:num    plot([data.allPos(1,solution.route(i-1)),data.allPos(1,solution.route(i))],...        [data.allPos(2,solution.route(i-1)),data.allPos(2,solution.route(i))],'r','LineWidth',1);    if solution.route(i) <= data.stoppingNum       rendz = i;       plot([data.allPos(1,solution.route(start)),data.allPos(1,solution.route(rendz))],...           [data.allPos(2,solution.route(start)),data.allPos(2,solution.route(rendz))],'LineWidth',2,'Color','b');       start = rendz;    endendxlim([-5 400]);ylim([-5 300]);hold off;end

⛳️ 运行结果

​🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合