该算法来源于文章2019-IEEE Access-Evolutionary Planning of Multi-UAV Search for Missing Tourists
假设已经为无人机随机分配了一个子区域的集合作为其搜索路径
其中→无人机将要搜索的子区域序列
→无人机搜索子区域时所用的搜索模式
路径的适应度可以通过总探测概率与消耗的总搜索时间之比来进行评估:
其中表示无人机开始在其搜索路径上的第i个子区域进行搜索的时间,可被计算为:
→飞行时间
→搜索时间
具体步骤如Algorithm 1所示,先通过NEH启发式算法构建无人机的初始搜索路径,然后通过紧急搜索算法迭代地改进初始路径。
1. NEH启发式算法
1) 将中的子区域按目标定位概率与到无人机的距离之比递减排序
N:计算目标定位概率,目标到无人机之间的距离
2) 构建中前两个子区域的局部调度,使当前适应度最大
N:初始路径,路径的适应度计算
3)
4) while循环→条件
在个可能的子区域中,将第个子区域插入路径,使当前的适应度最大化
2. Tabu搜索算法
Tabu迭代地将当前解移动到没有被禁忌表禁止的最佳领域解,其中的领域解是通过在搜索路径中交换两个相邻的子区域来获得的。
此外通过将被交换子区域的搜索模式更改为,再在每个领域解上进行一次局部搜索
禁忌搜索操作的最大次数被设置为,禁忌长度被设置为6
1) 初始化一个空的禁忌表
2) =
3) while循环→条件
→条件
→是通过交换的第个子区域和第个子区域得到的邻域
赋值给
将添加到禁忌表中
如果→讲第一个元素从中移除
如果→赋值给
算法最终的结果是返回一个新的搜索路径
个人学习笔记,后续可能会对这部分代码进行复现