本發(fā)明實(shí)施例涉及無(wú)人機(jī)
技術(shù)領(lǐng)域：
，具體涉及一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法及裝置。
背景技術(shù)：
：隨著農(nóng)業(yè)機(jī)械化程度的不斷深化，無(wú)人機(jī)以其作業(yè)效率高、勞動(dòng)強(qiáng)度小、綜合成本低等方面的優(yōu)勢(shì)，迅速成為農(nóng)業(yè)作業(yè)過程中一種重要的方式，已經(jīng)在精量播種、植被檢測(cè)、農(nóng)藥噴灑等農(nóng)業(yè)航空作業(yè)中有著廣泛的應(yīng)用。例如，可以利用無(wú)人機(jī)對(duì)草本植物的發(fā)芽狀況和雜草程度進(jìn)行檢測(cè)，或使用無(wú)人機(jī)對(duì)稻田進(jìn)行農(nóng)藥噴灑來(lái)控制飛虱等等。目前的無(wú)人機(jī)大致可以大致分為多旋翼(例如四旋翼、六旋翼或八旋翼無(wú)人機(jī)等)以及固定翼兩大類。其中多旋翼無(wú)人機(jī)以其能夠占用較小面積垂直起降、操控簡(jiǎn)單、能夠懸停在空中等優(yōu)點(diǎn)被較為廣泛地應(yīng)用于農(nóng)業(yè)作業(yè)中。然而，由于當(dāng)前多旋翼無(wú)人機(jī)作業(yè)主要是人為遙控為主，實(shí)際作業(yè)的效果受到操作員的操作水平的影響較大，且通過人為即視的方式規(guī)劃的航線與理論航線偏離嚴(yán)重，導(dǎo)致無(wú)人機(jī)的作業(yè)遺漏率和重復(fù)率往往偏高。且當(dāng)多個(gè)操作員對(duì)多個(gè)多旋翼無(wú)人機(jī)操作時(shí)，彼此之間也缺乏協(xié)同。此外，在利用多旋翼無(wú)人機(jī)進(jìn)行農(nóng)藥噴灑航空作業(yè)過程中，一般來(lái)說需要指定多架無(wú)人機(jī)在給定的一個(gè)時(shí)間窗內(nèi)對(duì)多塊候選農(nóng)田噴灑不同的農(nóng)藥，每架無(wú)人機(jī)只能攜帶一種類型的農(nóng)藥，且每塊農(nóng)田只能由一架無(wú)人機(jī)執(zhí)行噴灑任務(wù)。由于受到時(shí)間農(nóng)田分布狀況、作業(yè)氣象狀況、農(nóng)藥類型選擇等因素的限制，無(wú)人機(jī)無(wú)法對(duì)所有農(nóng)田都噴灑農(nóng)藥，因此如何能夠根據(jù)上述影響因素對(duì)各架無(wú)人機(jī)的作業(yè)任務(wù)以及航跡進(jìn)行合理規(guī)劃，以使得噴灑后的候選區(qū)域農(nóng)田的總收益最大(也即完成噴灑任務(wù)的農(nóng)田藥效的總和最大)也成為了一個(gè)亟待解決的問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的一個(gè)實(shí)施例提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法及裝置，用于克服現(xiàn)有技術(shù)中在利用多架多旋翼無(wú)人機(jī)進(jìn)行作業(yè)時(shí)，主要采用人工遙控的方式，彼此之間的協(xié)同性差，且無(wú)法對(duì)各架無(wú)人機(jī)的航跡進(jìn)行合理規(guī)劃以獲得最大總收益的缺陷。第一方面，本發(fā)明實(shí)施例提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法，當(dāng)多架多旋翼無(wú)人機(jī)在同一時(shí)間對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時(shí)，所述方法包括：獲取執(zhí)行本次任務(wù)的一個(gè)時(shí)間窗、多旋翼無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息、以及所述多塊候選農(nóng)田的信息；對(duì)所述時(shí)間窗、無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機(jī)生成多條染色體；在所述隨機(jī)生成的多條染色體中，篩選出滿足預(yù)設(shè)的MUAV-TW-VP-OTOP模型所定義的預(yù)設(shè)約束條件的染色體，構(gòu)建所述MUAV-TW-VP-OTOP模型的初始解集；其中，所述MUAV-TW-VP-OTOP模型為使得按預(yù)設(shè)的飛行方式飛行的所述多架多旋翼無(wú)人機(jī)在此次作業(yè)任務(wù)中獲得最大總收益的目標(biāo)函數(shù)；所述預(yù)設(shè)約束包括每架多旋翼無(wú)人機(jī)所飛行時(shí)長(zhǎng)約束以及每塊農(nóng)田時(shí)間窗約束；基于預(yù)設(shè)的遺傳算法對(duì)所述初始解集進(jìn)行不斷交叉和變異，直至滿足迭代次數(shù)的約束后結(jié)束交叉和變異，并在經(jīng)過變異后的解集中選擇使得所述模型獲得最大總收益的最優(yōu)解，并將所述最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。第二方面，本發(fā)明實(shí)施例還提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配裝置，當(dāng)多架多旋翼無(wú)人機(jī)在同一時(shí)間對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時(shí)，所述裝置包括：信息獲取單元，用于獲取執(zhí)行本次任務(wù)的一個(gè)時(shí)間窗、多旋翼無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息、以及所述多塊候選農(nóng)田的農(nóng)田信息；初始分配方案生成單元，用于對(duì)所述時(shí)間窗、無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機(jī)生成多條染色體；在所述隨機(jī)生成的多條染色體中，篩選出滿足預(yù)設(shè)的MUAV-TW-VP-OTOP模型所定義的預(yù)設(shè)約束條件的染色體，構(gòu)建所述MUAV-TW-VP-OTOP模型的初始解集；其中，所述MUAV-TW-VP-OTOP模型為使得按預(yù)設(shè)的飛行方式飛行的所述多架多旋翼無(wú)人機(jī)在此次作業(yè)任務(wù)中獲得最大總收益的目標(biāo)函數(shù)；所述預(yù)設(shè)約束包括每架多旋翼無(wú)人機(jī)所飛行時(shí)長(zhǎng)約束以及每塊農(nóng)田時(shí)間窗約束；最優(yōu)解計(jì)算單元，用于基于預(yù)設(shè)的遺傳算法對(duì)所述初始解集進(jìn)行不斷交叉和變異，直至滿足迭代次數(shù)的約束后結(jié)束交叉和變異，并在經(jīng)過變異后的解集中選擇使得所述模型獲得最大總收益的最優(yōu)解，并將所述最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。本發(fā)明的一個(gè)實(shí)施例提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法，該方法中針對(duì)于多旋翼無(wú)人機(jī)對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)的情況，首先獲取執(zhí)行本次任務(wù)的一個(gè)時(shí)間窗、無(wú)人機(jī)的信息、農(nóng)田的信息以及噴灑藥物信息，接著根據(jù)這一信息基于預(yù)設(shè)的模型以及遺傳算法，獲得能夠使得該模型獲得最大總收益的最優(yōu)解，并將該最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。相比于現(xiàn)有的人工遙控的方式，本發(fā)明提供的方法能夠根據(jù)模型以及遺傳算法自動(dòng)獲得本次作業(yè)中每架無(wú)人機(jī)的任務(wù)以及航跡規(guī)劃，使得各架無(wú)人機(jī)可以按照該任務(wù)以及航跡規(guī)劃自動(dòng)執(zhí)行作業(yè)任務(wù)，在避免出現(xiàn)各架無(wú)人機(jī)彼此不協(xié)同的情況發(fā)生的同時(shí)，還能夠獲得最大總收益，從而能夠有效地提高作業(yè)的效率，使得無(wú)人機(jī)作業(yè)形式能夠應(yīng)用于更廣泛的農(nóng)業(yè)航空作業(yè)中。附圖說明通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：圖1是本發(fā)明提供的一種無(wú)人機(jī)航空作業(yè)任務(wù)分配的方法實(shí)施例流程圖；圖2是本發(fā)明提供的矩形農(nóng)田進(jìn)入點(diǎn)示意圖；圖3是本發(fā)明提供的矩形農(nóng)田間飛行軌跡示意圖；圖4是本發(fā)明提供的單時(shí)間窗染色體交叉示意圖；圖5是本發(fā)明提供的單時(shí)間窗染色體變異示意圖；圖6是本發(fā)明提供的農(nóng)田分布示意圖；圖7是本發(fā)明提供的一種無(wú)人機(jī)航空作業(yè)任務(wù)分配的裝置實(shí)施例結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。第一方面，本發(fā)明實(shí)施例提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法，當(dāng)多架多旋翼無(wú)人機(jī)在同一時(shí)間對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時(shí)，如圖1所示，所述方法包括：S101、獲取執(zhí)行本次任務(wù)的一個(gè)時(shí)間窗、多旋翼無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息、以及所述多塊候選農(nóng)田的信息；S102、對(duì)所述時(shí)間窗、無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機(jī)生成多條染色體；S103、在所述隨機(jī)生成的多條染色體中，篩選出滿足預(yù)設(shè)的MUAV-TW-VP-OTOP模型所定義的預(yù)設(shè)約束條件的染色體，構(gòu)建所述MUAV-TW-VP-OTOP模型的初始解集；其中，所述MUAV-TW-VP-OTOP模型為使得按預(yù)設(shè)的飛行方式飛行的所述多架多旋翼無(wú)人機(jī)在此次作業(yè)任務(wù)中獲得最大總收益的目標(biāo)函數(shù)；所述預(yù)設(shè)約束包括每架多旋翼無(wú)人機(jī)所飛行時(shí)長(zhǎng)約束以及每塊農(nóng)田時(shí)間窗約束；S104、基于預(yù)設(shè)的遺傳算法對(duì)所述初始解集進(jìn)行不斷交叉和變異，直至滿足迭代次數(shù)的約束后結(jié)束交叉和變異，并在經(jīng)過變異后的解集中選擇使得所述模型獲得最大總收益的最優(yōu)解，并將所述最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。本發(fā)明的一個(gè)實(shí)施例提供了一種無(wú)人機(jī)航空作業(yè)任務(wù)分配方法，該方法中針對(duì)于多旋翼無(wú)人機(jī)在時(shí)間窗內(nèi)對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)的情況，首先獲取時(shí)間窗、無(wú)人機(jī)的信息、農(nóng)田的信息以及噴灑藥物信息，接著根據(jù)這一信息基于預(yù)設(shè)的模型以及遺傳算法，獲得能夠使得該模型獲得最大總收益的最優(yōu)解，并將該最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。相比于現(xiàn)有的人工遙控的方式，本發(fā)明提供的方法能夠根據(jù)模型以及遺傳算法自動(dòng)獲得本次作業(yè)中每架無(wú)人機(jī)的任務(wù)以及航跡規(guī)劃，使得各架無(wú)人機(jī)可以按照該任務(wù)以及航跡規(guī)劃自動(dòng)執(zhí)行作業(yè)任務(wù)，在避免出現(xiàn)各架無(wú)人機(jī)彼此不協(xié)同的情況發(fā)生的同時(shí)，還能夠獲得最大總收益，從而能夠有效地提高作業(yè)的效率，使得無(wú)人機(jī)作業(yè)形式能夠應(yīng)用于更廣泛的農(nóng)業(yè)航空作業(yè)中。在實(shí)際應(yīng)用中，這里的多旋翼無(wú)人機(jī)具體可以為四旋翼無(wú)人機(jī)。當(dāng)然也可以為其他種類的多旋翼無(wú)人機(jī)，本發(fā)明對(duì)此不做具體限定。在具體實(shí)施時(shí)，可以理解的是，上述方法中的MUAV-TW-VP-OTOP模型包含的目標(biāo)函數(shù)以及約束條件是本發(fā)明能夠獲得最優(yōu)規(guī)劃結(jié)果的重要依據(jù)，其可以通過多種方式來(lái)設(shè)置，下面對(duì)其中一種可選的設(shè)置方式進(jìn)行詳細(xì)說明。首先，該模型的目的是為了獲得候選農(nóng)田的最大總收益，能夠影響農(nóng)田總收益的因素可以包括：時(shí)間窗因素、無(wú)人機(jī)自身因素、農(nóng)田因素、無(wú)人機(jī)的飛行路徑因素。下面對(duì)各個(gè)因素以及根據(jù)各個(gè)因素構(gòu)建的MUAV-TW-VP-OTOP模型進(jìn)行詳細(xì)說明。(一)無(wú)人機(jī)用U表示執(zhí)行待噴灑任務(wù)的NU架同構(gòu)無(wú)人機(jī)的集合且每架無(wú)人機(jī)只能攜帶一種農(nóng)藥；在飛行過程中，所有無(wú)人機(jī)均具有相同的最小轉(zhuǎn)彎半徑RU和飛行速度V，但由于本發(fā)明中使用的是四旋翼無(wú)人機(jī)，四旋翼無(wú)人機(jī)的特點(diǎn)就在于可以拐直角彎，不存在轉(zhuǎn)彎弧度的問題，因此無(wú)需考慮最小轉(zhuǎn)彎半徑這一因素。此外，各個(gè)無(wú)人機(jī)且均攜帶噴灑半徑為RD的噴頭?？紤]無(wú)人機(jī)執(zhí)行農(nóng)藥噴灑任務(wù)的特點(diǎn)，本發(fā)明做出以下假設(shè)：(1)無(wú)人機(jī)均具有自動(dòng)避障的能力，可在面臨碰撞的情形下，采用自主規(guī)避的控制策略，由此而產(chǎn)生的路徑偏差相對(duì)于總的飛行路徑長(zhǎng)度也很小，可忽略不計(jì)；(2)無(wú)人機(jī)均以相同的巡航速度和巡航高度飛行，從而不考慮該因素對(duì)噴灑效果的影響；(3)無(wú)人機(jī)飛行過程中不考慮外界環(huán)境對(duì)無(wú)人機(jī)飛行軌跡的影響；(4)無(wú)人機(jī)飛行過程中能夠攜帶執(zhí)行任務(wù)所需的農(nóng)藥，但是燃料有限；(二)農(nóng)田設(shè)A0,分別為無(wú)人機(jī)的起點(diǎn)和終點(diǎn)，本發(fā)明中對(duì)于每架無(wú)人機(jī)來(lái)說其起點(diǎn)和終點(diǎn)為同一點(diǎn)，也即從哪里起飛就從哪里降落。表示待噴灑農(nóng)藥的NA塊農(nóng)田。其中，農(nóng)田的形狀近似看作是矩形，且農(nóng)田Ai是頂點(diǎn)坐標(biāo)為(Ai1,Ai2,Ai3,Ai4)，面積為SQi的矩形；無(wú)人機(jī)的起點(diǎn)、終點(diǎn)以及農(nóng)田區(qū)域的集合為當(dāng)無(wú)人機(jī)Uu對(duì)農(nóng)田Ai覆蓋式噴灑農(nóng)藥時(shí)，無(wú)人機(jī)飛入農(nóng)田的進(jìn)入點(diǎn)為Iniu，飛離農(nóng)田的離開點(diǎn)為Outiu，并假設(shè)該無(wú)人機(jī)必須完全噴灑整塊農(nóng)田后才能離開。與此同時(shí)，每一個(gè)農(nóng)田最多只能被噴灑一次農(nóng)藥。(三)飛行路徑在無(wú)人機(jī)執(zhí)行農(nóng)業(yè)航空作業(yè)任務(wù)的過程中，不僅需要在農(nóng)田內(nèi)部通過覆蓋式噴灑農(nóng)藥完成作業(yè)任務(wù)，而且還需要在不同農(nóng)田間飛行以實(shí)現(xiàn)任務(wù)之間的切換，由此而產(chǎn)生了兩種類型的飛行路徑，即農(nóng)田內(nèi)和農(nóng)田間的飛行路徑。對(duì)于本發(fā)明所使用的四旋翼無(wú)人機(jī)來(lái)說，由于其無(wú)需考慮最小轉(zhuǎn)彎半徑的問題，因此可以采用基于歐氏距離路徑在農(nóng)田間以及農(nóng)田內(nèi)進(jìn)行飛行的方式進(jìn)行飛行。其中，在農(nóng)田內(nèi)部可以采用平行于矩形農(nóng)田的長(zhǎng)邊或平行于矩形農(nóng)田的短邊的方式飛行。其中，這里的進(jìn)入點(diǎn)可以為與農(nóng)田頂點(diǎn)的距離為無(wú)人機(jī)噴灑半徑的點(diǎn)。如圖2所示，對(duì)于圖2中的矩形農(nóng)田來(lái)說，無(wú)人機(jī)的進(jìn)入點(diǎn)可以為矩形農(nóng)田四個(gè)邊上標(biāo)注的八個(gè)點(diǎn)RD1-RD8，RD1-RD8與其最近的農(nóng)田頂點(diǎn)的坐標(biāo)為執(zhí)行作業(yè)任務(wù)的四旋翼無(wú)人機(jī)的噴灑半徑，例如圖2中無(wú)人機(jī)從RD6進(jìn)入到農(nóng)田中。對(duì)于在農(nóng)田間的飛行同樣采用基于歐氏距離路徑進(jìn)行飛行，如圖3所示，無(wú)人機(jī)可以從RD6進(jìn)入到農(nóng)田Ai中，其在農(nóng)田Ai中的飛行軌跡可以如圖3中的粗線所示，當(dāng)飛行至RD6時(shí)無(wú)人機(jī)駛離農(nóng)田Ai，之后經(jīng)過一段直線飛行便從下一塊農(nóng)田Aj的RD7進(jìn)入下一塊農(nóng)田Aj，從而完成農(nóng)田間的飛行。(四)環(huán)境溫度由于噴灑設(shè)備、噴灑方式等軟硬件條件已經(jīng)確定，在固定的一個(gè)時(shí)間窗內(nèi)無(wú)人機(jī)執(zhí)行農(nóng)業(yè)航空作業(yè)任務(wù)主要受到環(huán)境溫度的影響，環(huán)境溫度的變化將對(duì)任務(wù)的收益產(chǎn)生直接作用。本發(fā)明將無(wú)人機(jī)對(duì)農(nóng)田噴灑農(nóng)藥的藥效作為其執(zhí)行任務(wù)的收益，則無(wú)人機(jī)Uu在時(shí)間窗內(nèi)對(duì)面積為SQi的農(nóng)田Ai完成藥物噴灑任務(wù)后的總收益可以定義為：其中，Pi(t)為無(wú)人機(jī)對(duì)農(nóng)田Ai噴灑農(nóng)藥的藥效變化函數(shù)，它受到藥物類型的影響，隨著時(shí)間的變化可能呈現(xiàn)出凹函數(shù)、凸函數(shù)、正態(tài)分布、線性遞減等多種函數(shù)關(guān)系。(五)模型設(shè)置基于上述四個(gè)方面因素的設(shè)置，可以得到本發(fā)明所提供的MUAV-TW-VP-OTOP模型如下所示，其目標(biāo)函數(shù)可以為：其中，預(yù)設(shè)約束條件可以為：其中，Nu表示無(wú)人機(jī)Uu的個(gè)數(shù)；NA表示農(nóng)田Ai的個(gè)數(shù)；A0,表示所有無(wú)人機(jī)的起始點(diǎn)和終點(diǎn)，所述起始點(diǎn)與終點(diǎn)為同一點(diǎn)，SPi表示完成農(nóng)田Ai的噴灑任務(wù)所獲得的收益；SQi表示農(nóng)田Ai的面積；Pi(t)為連續(xù)變化函數(shù)，其變化函數(shù)取決于農(nóng)田噴灑農(nóng)藥的類型；M的值為預(yù)設(shè)值；siu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai開始噴灑農(nóng)藥的時(shí)間，sju表示無(wú)人機(jī)Uu對(duì)農(nóng)田Aj開始噴灑農(nóng)藥的時(shí)間；Oiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai可以噴灑農(nóng)藥的開始時(shí)間；Ciu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai可以噴灑農(nóng)藥的結(jié)束時(shí)間；tiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai按照預(yù)設(shè)的飛行方式執(zhí)行任務(wù)的時(shí)間；tiju表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai,Aj之間按照預(yù)設(shè)的飛行方式飛行的時(shí)間；Eu表示無(wú)人機(jī)Uu的最大飛行時(shí)長(zhǎng)限制；xiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai完成藥物噴灑任務(wù)的情況，若xiu＝1，則表示完成藥物噴灑任務(wù)，否則無(wú)人機(jī)Uu沒有對(duì)農(nóng)田Ai執(zhí)行任務(wù)；yiju表示無(wú)人機(jī)Uu是否經(jīng)過農(nóng)田Ai,Aj，若yiju＝1表示無(wú)人機(jī)Uu經(jīng)過農(nóng)田Ai,Aj，否則該無(wú)人機(jī)沒有經(jīng)過農(nóng)田Ai,Aj。此外，這里的目標(biāo)函數(shù)式(2)是使得完成噴灑農(nóng)藥任務(wù)后農(nóng)田的總收益最大，其中藥效變化函數(shù)Pi(t)可以為多種函數(shù)關(guān)系。約束式(4)是保證在所有的路線，即所有的無(wú)人機(jī)起點(diǎn)為A0，終點(diǎn)為在本發(fā)明起點(diǎn)與終點(diǎn)的坐標(biāo)相同，且路線的個(gè)數(shù)與無(wú)人機(jī)的數(shù)量相同。約束式(5)使得每條邊要具有連接性。約束式(6)是為了說明訪問農(nóng)田時(shí)需要服務(wù)時(shí)間。約束式(7)確保每塊農(nóng)田最多只被訪問一次。約束式(8)是確保無(wú)人機(jī)執(zhí)行任務(wù)時(shí)必須在時(shí)間窗內(nèi)，且從起始點(diǎn)到農(nóng)田之間的時(shí)間可以不在時(shí)間窗內(nèi)。約束(9)為無(wú)人機(jī)飛行時(shí)長(zhǎng)的限制。約束式(10)是目標(biāo)、路徑等變量的定義。從而可以基于這一模型及定義的約束獲取本次任務(wù)的最大化收益。在具體實(shí)施時(shí)，上述方法步驟中的步驟S102的一種具體的實(shí)施方式可以為：S1021、對(duì)無(wú)人機(jī)的標(biāo)識(shí)信息、無(wú)人機(jī)的數(shù)量、每條線路中的無(wú)人機(jī)的起始時(shí)間、農(nóng)田的位置信息以及每架無(wú)人機(jī)進(jìn)入農(nóng)田時(shí)的進(jìn)入點(diǎn)進(jìn)行采用全信息編碼方式進(jìn)行編碼，隨機(jī)生成多條染色體。其中，染色體的第一行為農(nóng)田的標(biāo)識(shí)信息的隨機(jī)全排列，染色體的第二行為所有無(wú)人機(jī)的標(biāo)識(shí)信息的隨機(jī)組合，染色體的第三行為進(jìn)入點(diǎn)的隨機(jī)組合，染色體的第四行為無(wú)人機(jī)的起始時(shí)間的隨機(jī)組合，所述染色體的第四行為所述無(wú)人機(jī)路線中訪問第一塊農(nóng)田開始時(shí)間的隨機(jī)組合。在此基礎(chǔ)上，上述方法步驟中的步驟S103的一種具體的實(shí)施方式可以為：S1031、根據(jù)初始解集生成預(yù)設(shè)規(guī)模的初始父代種群；S1032、采用輪盤賭方法將當(dāng)前的父代種群中的任意兩個(gè)染色體進(jìn)行交叉并迭代此交叉步驟，滿足迭代次數(shù)后結(jié)束此交叉步驟得到第一子代種群，交叉的步驟具體包括：隨機(jī)選擇第一染色體中的交叉位置，然后尋找第二染色體中與第一染色體交叉位置的第一行相同的基因；將第一染色體與第二染色體的交叉位置基因進(jìn)行替換，然后將與交叉位置基因第二行相同的基因處第四行也替換為交叉位置基因第四行的開始時(shí)間，從而得到第三染色體以及第四染色體；判斷所述第三染色體以及第四染色體是否滿足所述預(yù)設(shè)約束條件；若滿足，則替換所述父代種群中的第一染色體以及第二染色體；若不滿足，則結(jié)束當(dāng)前操作；S1033、采用輪盤賭方法將所述第一子代種群中的任意一個(gè)第五染色體進(jìn)行個(gè)體變異，并判斷變異后的第五染色體是否滿足所述預(yù)設(shè)約束條件；若滿足，則替換變異的第五染色體；若不滿足，則結(jié)束當(dāng)前操作，并迭代此變異步驟，滿足迭代次數(shù)后結(jié)束此變異步驟得到第二子代種群；其中，所述個(gè)體變異的步驟具體包括：在判斷獲知第五染色體的第二行發(fā)生過變異時(shí)，確定其變異的位置，并將隨機(jī)生成的無(wú)人機(jī)標(biāo)識(shí)信息替換原變異位置處的無(wú)人機(jī)標(biāo)識(shí)信息；在判斷獲知第五染色體的第三行發(fā)生過變異時(shí)，確定其變異的位置，并將隨機(jī)生成的進(jìn)入點(diǎn)替換原變異位置處的進(jìn)入點(diǎn)；在判斷獲知第五染色體的第四行發(fā)生變異時(shí)，確定變異位置，并將隨機(jī)生成的時(shí)間窗之間的時(shí)間替換與變異位置第二行相同的基因處第四行的開始時(shí)間；S1034、選取所述第二子代種群中的最優(yōu)解，并將所述第二子代種群與所述父代種群按照預(yù)設(shè)比例組合形成新的父代種群；判斷當(dāng)前S1032、S1033、S1034整體循環(huán)迭代的次數(shù)是否達(dá)到預(yù)設(shè)值；若否，則返回S1032，并將新的父代種群作為當(dāng)前的父代種群執(zhí)行步驟二；若是，則執(zhí)行S1035；S1035、結(jié)束迭代，并將最終獲得的最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。為便于理解本發(fā)明提供的方法的完整流程，下面對(duì)S102以及S103中的各個(gè)具體步驟進(jìn)行詳細(xì)說明。本發(fā)明提供的方法的總體思路為：對(duì)于本發(fā)明所要解決的任務(wù)分配以及航跡規(guī)劃問題來(lái)說，每一個(gè)可行解(也即滿足預(yù)設(shè)模型約束的解)可以表示為一條染色體?？尚薪夥N群(也即初始父代種群)可以由多條染色體組成，其規(guī)模根據(jù)實(shí)際情況自行定義。在得到這樣的初始父代種群后，進(jìn)而可以將初始父代種群通過染色體的交叉、變異來(lái)進(jìn)行更新種群，形成新的子代種群。其中，這里的交叉是指兩條父代染色體根據(jù)交叉概率形成新的兩條子代染色體，這里的變異是指一條染色體根據(jù)變異概率形成一條新的染色體。這一交叉變異更新的循環(huán)過程不斷迭代，最終在迭代次數(shù)達(dá)到預(yù)設(shè)值時(shí)選出當(dāng)前最優(yōu)的子代染色體，該子代染色體即為滿足模型約束的能夠使得目標(biāo)函數(shù)獲得最大化收益的最優(yōu)解，該最優(yōu)解即為本發(fā)明最終所需的任務(wù)分配以及航跡規(guī)劃結(jié)果。而在這一過程中，涉及到對(duì)于遺傳算法中的編碼、交叉、變異、以及適應(yīng)度的函數(shù)規(guī)則的設(shè)置以使得設(shè)置之后的遺傳算法能夠應(yīng)用于對(duì)預(yù)設(shè)模型的求解獲得最優(yōu)解中?？梢岳斫獾氖?，遺傳算法中的各個(gè)函數(shù)的設(shè)置可以有多種方式來(lái)實(shí)現(xiàn)，下面對(duì)一種可選的函數(shù)設(shè)置方式進(jìn)行具體說明。(1)編碼染色體的編碼對(duì)于染色體的求解是至關(guān)重要的，本發(fā)明中的編碼包括對(duì)于目標(biāo)區(qū)域農(nóng)田、無(wú)人機(jī)、目標(biāo)區(qū)域進(jìn)入點(diǎn)、每條路線中無(wú)人機(jī)訪問第一塊農(nóng)田的時(shí)間的編碼。其中，目標(biāo)區(qū)域也即候選農(nóng)田屬于集合{1,2,...NA}，無(wú)人機(jī)屬于集合{0,1,...NU}，目標(biāo)區(qū)域農(nóng)田的進(jìn)入點(diǎn)屬于集合{1,2,...8}，每條路線中訪問第一塊農(nóng)田的時(shí)間屬于時(shí)間窗范圍內(nèi)時(shí)間即可。表1示出了一條編碼之后的染色體每一行的內(nèi)容。其中，染色體第一行是農(nóng)田的信息也即農(nóng)田的標(biāo)識(shí)信息，第二行是執(zhí)行任務(wù)的無(wú)人機(jī)的標(biāo)識(shí)信息，第三行是無(wú)人機(jī)對(duì)目標(biāo)農(nóng)田執(zhí)行任務(wù)時(shí)的進(jìn)入點(diǎn)(進(jìn)入點(diǎn)標(biāo)號(hào)對(duì)應(yīng)于圖2所示的農(nóng)田RD1-RD8)，第四行是每條路線中無(wú)人機(jī)訪問第一塊農(nóng)田的時(shí)間。整條染色體表示有兩條路線，分別是無(wú)人機(jī)U1和無(wú)人機(jī)U2所代表的路線，其中，無(wú)人機(jī)U1在9.926時(shí)刻進(jìn)入目標(biāo)區(qū)域A3，并從目標(biāo)區(qū)域A3的RD7點(diǎn)進(jìn)入完成任務(wù)，然后離開區(qū)域目標(biāo)A3從A4的RD8點(diǎn)進(jìn)入完成任務(wù)，最后返回起始點(diǎn)；無(wú)人機(jī)U2在9.071時(shí)刻進(jìn)入目標(biāo)區(qū)域A5，并從目標(biāo)區(qū)域A5的RD5點(diǎn)進(jìn)入完成任務(wù)，然后離開區(qū)域目標(biāo)A5從A2的RD6點(diǎn)進(jìn)入完成任務(wù)，最后返回起始點(diǎn)，而目標(biāo)A1沒有被訪問。表1染色體:NA＝5,NU＝2(2)適應(yīng)度函數(shù)和選擇一個(gè)染色體的適應(yīng)度是所有被訪問目標(biāo)區(qū)域的總收益，這是與目標(biāo)區(qū)域的收益變化函數(shù)有關(guān)，即與被訪問區(qū)域的開始和結(jié)束時(shí)間、區(qū)域的面積有關(guān)。適應(yīng)度可以通過公式(2)獲得，也就是說將這里的適應(yīng)度設(shè)置為本發(fā)明中所述的預(yù)設(shè)模型的目標(biāo)函數(shù)，從而可以基于遺傳算法對(duì)目標(biāo)函數(shù)進(jìn)行求解。(3)交叉交叉是為了繼承父代中比較優(yōu)良的基因，從而獲得更優(yōu)的子代。本發(fā)明選擇的交叉方式是基本的單點(diǎn)交叉，但也有一些異同。首先，先隨機(jī)選擇交叉位置進(jìn)行基本的單點(diǎn)交叉，然后把兩個(gè)染色體中與交叉位置第二行相同的基因的第四行開始時(shí)間進(jìn)行全部交換。例如在圖4中，兩條父代染色體先在父代A中隨機(jī)選擇進(jìn)行交叉的位置，然后找到父代B相同目標(biāo)區(qū)域位置進(jìn)行交換，然后進(jìn)行交換時(shí)間，從而得到兩條新的子代染色體A，B。(4)變異遺傳算法中變異是為了防止遺傳算法陷入局部最優(yōu)，使其存在基因突變的可能，變異可能是一個(gè)基因也可能是多個(gè)基因，本文染色體變異主要有以下幾種情況：無(wú)人機(jī)的變異，目標(biāo)區(qū)域的進(jìn)入點(diǎn)變異，每條路線中無(wú)人機(jī)訪問第一塊農(nóng)田的時(shí)間變異，目標(biāo)區(qū)域不進(jìn)行變異。如圖5所示，染色體A進(jìn)行了無(wú)人機(jī)的變異，進(jìn)入點(diǎn)的變異和無(wú)人機(jī)開始時(shí)間的變異，且開始時(shí)間變異時(shí)找到與變異位置第二行相同的基因，并變異第四行為新的變異時(shí)間。由于上述交叉變異過程的不斷地循環(huán)迭代進(jìn)行，使得父代種群被不斷更新，從而生成更多的新的種群。可以理解的是，這一迭代循環(huán)的過程是可以無(wú)限進(jìn)行下去的，但這樣無(wú)法獲得一個(gè)最終的結(jié)果。因此本發(fā)明在每次迭代結(jié)束后會(huì)判斷當(dāng)前累計(jì)的迭代次數(shù)是否已經(jīng)達(dá)到了迭代次數(shù)閾值，其中這一閾值可以根據(jù)實(shí)際情況自行設(shè)置。若判斷當(dāng)前未達(dá)到迭代次數(shù)閾值，則需要繼續(xù)進(jìn)行迭代過程；若判斷當(dāng)前達(dá)到了迭代次數(shù)閾值，則認(rèn)為此時(shí)的迭代次數(shù)已經(jīng)足夠，當(dāng)前的最優(yōu)解即可以作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。進(jìn)而還可以將該結(jié)果分配至對(duì)應(yīng)的多架四旋翼無(wú)人機(jī)，以使得該多架為人機(jī)可以根據(jù)這一結(jié)果執(zhí)行本次作業(yè)任務(wù)，達(dá)到本次作業(yè)的目的且獲得農(nóng)田的最大化收益。下面以一個(gè)具體的實(shí)例，詳細(xì)說明如何根據(jù)上述函數(shù)設(shè)置利用遺傳算法對(duì)MUAV-TW-VP-OTOP模型的求解，從而獲得最終的飛行分配結(jié)果。具體來(lái)說，在MATLAB2013的環(huán)境中實(shí)現(xiàn)了所述遺傳算法對(duì)MUAV-TW-VP-OTOP模型的求解，并進(jìn)行了實(shí)驗(yàn)，且實(shí)驗(yàn)結(jié)果均為同一實(shí)驗(yàn)運(yùn)行10次結(jié)果的平均值。假設(shè)有兩架無(wú)人機(jī)在時(shí)間窗[9,15]內(nèi)對(duì)六塊農(nóng)田區(qū)域噴灑農(nóng)藥，并使用所述遺傳算法獲取分配方案，其中取所述遺傳算法的交叉概率為0.9，變異概率為0.5，種群規(guī)模為500，迭代次數(shù)為100。實(shí)驗(yàn)過程中涉及到的具體參數(shù)描述如下：(1)無(wú)人機(jī)在本文的實(shí)驗(yàn)中無(wú)人機(jī)的具體配置如表2所示，無(wú)人機(jī)速度為4m/s，最大噴灑半徑為5m，最大續(xù)航時(shí)間為2600s。表2無(wú)人機(jī)基本參數(shù)配置表無(wú)人機(jī)參數(shù)A0\AN+1VRDEu無(wú)人機(jī)信息(0,0)4m/s5m2600s(2)農(nóng)田區(qū)域此農(nóng)田區(qū)域有六塊待噴灑農(nóng)田，具體如圖6所示。具體坐標(biāo)如表3所示。表3農(nóng)田坐標(biāo)信息(3)農(nóng)藥類型在實(shí)驗(yàn)中，選擇噴灑農(nóng)藥M1，其藥效的函數(shù)隨著時(shí)間呈現(xiàn)凸函數(shù)變化，其變化函數(shù)為：Pi(t)＝-0.004t2+0.0984t+0.424.(11)通過所述遺傳算法求解上述配置環(huán)境下六塊農(nóng)田的平均總收益為15.437764，通過十次計(jì)算結(jié)果得知收益是穩(wěn)定的，具體如表4所示。表4農(nóng)田收益表通過所述遺傳算法可以獲得一個(gè)分配方案解集，且一種求解的分配方案如表5所示，其中，無(wú)人機(jī)U1在12點(diǎn)1分23秒首先從RD3點(diǎn)進(jìn)入農(nóng)田2，再?gòu)腞D8點(diǎn)進(jìn)入農(nóng)田1，然后從RD3點(diǎn)進(jìn)入農(nóng)田3，最后返回到起點(diǎn)A0；無(wú)人機(jī)U2在9點(diǎn)9秒首先從RD8點(diǎn)進(jìn)入農(nóng)田4，再?gòu)腞D5點(diǎn)進(jìn)入農(nóng)田6，最后返回起點(diǎn)A0；農(nóng)田5沒有被噴灑農(nóng)藥。表5分配方案表5214360112123388357.18586812.0256812.0256812.0023712.0256812.00237第二方面，本發(fā)明的一個(gè)實(shí)施例又提供一種無(wú)人機(jī)航空作業(yè)任務(wù)分配裝置，如圖7所示，當(dāng)多架多旋翼無(wú)人機(jī)在同一時(shí)間對(duì)多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時(shí)，所述裝置包括：信息獲取單元201，用于獲取執(zhí)行本次任務(wù)的一個(gè)時(shí)間窗、多旋翼無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息、以及所述多塊候選農(nóng)田的農(nóng)田信息；初始分配方案生成單元202，用于對(duì)所述時(shí)間窗、無(wú)人機(jī)的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機(jī)生成多條染色體；在所述隨機(jī)生成的多條染色體中，篩選出滿足預(yù)設(shè)的MUAV-TW-VP-OTOP模型所定義的預(yù)設(shè)約束條件的染色體，構(gòu)建所述MUAV-TW-VP-OTOP模型的初始解集；其中，所述MUAV-TW-VP-OTOP模型為使得按預(yù)設(shè)的飛行方式飛行的所述多架多旋翼無(wú)人機(jī)在此次作業(yè)任務(wù)中獲得最大總收益的目標(biāo)函數(shù)；所述預(yù)設(shè)約束包括每架多旋翼無(wú)人機(jī)所飛行時(shí)長(zhǎng)約束以及每塊農(nóng)田時(shí)間窗約束；最優(yōu)解計(jì)算單元203，用于基于預(yù)設(shè)的遺傳算法對(duì)所述初始解集進(jìn)行不斷交叉和變異，直至滿足迭代次數(shù)的約束后結(jié)束交叉和變異，并在經(jīng)過變異后的解集中選擇使得所述模型獲得最大總收益的最優(yōu)解，并將所述最優(yōu)解作為本次作業(yè)的任務(wù)分配和航跡規(guī)劃結(jié)果。在具體實(shí)施時(shí)，所述目標(biāo)函數(shù)為：其中，所述預(yù)設(shè)約束條件為：其中，Nu表示無(wú)人機(jī)Uu的個(gè)數(shù)；NA表示農(nóng)田Ai的個(gè)數(shù)；A0,表示所有無(wú)人機(jī)的起始點(diǎn)和終點(diǎn)，所述起始點(diǎn)與終點(diǎn)為同一點(diǎn)，SPi表示完成農(nóng)田Ai的噴灑任務(wù)所獲得的收益；SQi表示農(nóng)田Ai的面積；Pi(t)為連續(xù)變化函數(shù)，其變化函數(shù)取決于農(nóng)田噴灑農(nóng)藥的類型；M的值為預(yù)設(shè)值；siu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai開始噴灑農(nóng)藥的時(shí)間，sju表示無(wú)人機(jī)Uu對(duì)農(nóng)田Aj開始噴灑農(nóng)藥的時(shí)間；Oiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai可以噴灑農(nóng)藥的開始時(shí)間；Ciu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai可以噴灑農(nóng)藥的結(jié)束時(shí)間；tiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai按照預(yù)設(shè)的飛行方式執(zhí)行任務(wù)的時(shí)間；tiju表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai,Aj之間按照預(yù)設(shè)的飛行方式飛行的時(shí)間；Eu表示無(wú)人機(jī)Uu的最大飛行時(shí)長(zhǎng)限制；xiu表示無(wú)人機(jī)Uu對(duì)農(nóng)田Ai完成藥物噴灑任務(wù)的情況，若xiu＝1，則表示完成藥物噴灑任務(wù)，否則無(wú)人機(jī)Uu沒有對(duì)農(nóng)田Ai執(zhí)行任務(wù)；yiju表示無(wú)人機(jī)Uu是否經(jīng)過農(nóng)田Ai,Aj，若yiju＝1表示無(wú)人機(jī)Uu經(jīng)過農(nóng)田Ai,Aj，否則該無(wú)人機(jī)沒有經(jīng)過農(nóng)田Ai,Aj。在具體實(shí)施時(shí)，所述農(nóng)田為矩形的農(nóng)田，所述預(yù)設(shè)的飛行方式為基于歐氏距離路徑在農(nóng)田間以及農(nóng)田內(nèi)進(jìn)行飛行的方式；其中，在農(nóng)田內(nèi)部采用平行于矩形農(nóng)田短邊或平行于矩形農(nóng)田長(zhǎng)邊的方式飛行，且以垂直于農(nóng)田第一邊的方向從第一邊上的第一進(jìn)入點(diǎn)進(jìn)入農(nóng)田，所述第一進(jìn)入點(diǎn)與農(nóng)田頂點(diǎn)的距離為無(wú)人機(jī)噴灑半徑。在具體實(shí)施時(shí)，所述初始分配方案生成單元202，進(jìn)一步用于：對(duì)所述無(wú)人機(jī)的標(biāo)識(shí)信息、所述無(wú)人機(jī)的數(shù)量、每條線路中的無(wú)人機(jī)的起始時(shí)間、所述農(nóng)田的位置信息以及每架無(wú)人機(jī)進(jìn)入農(nóng)田時(shí)的進(jìn)入點(diǎn)進(jìn)行采用全信息編碼方式進(jìn)行編碼，隨機(jī)生成多條染色體；其中，所述染色體的第一行為所述農(nóng)田的標(biāo)識(shí)信息的隨機(jī)全排列，所述染色體的第二行為所有無(wú)人機(jī)的標(biāo)識(shí)信息的隨機(jī)組合，所述染色體的第三行為所述進(jìn)入點(diǎn)的隨機(jī)組合，所述染色體的第四行為所述無(wú)人機(jī)的起始時(shí)間的隨機(jī)組合。在具體實(shí)施時(shí)，所述最優(yōu)解計(jì)算單元203，進(jìn)一步用于執(zhí)行第一方面所述的步驟一至步驟五的方法。由于本實(shí)施例所介紹的無(wú)人機(jī)航空作業(yè)任務(wù)分配的裝置為可以執(zhí)行本發(fā)明實(shí)施例中的無(wú)人機(jī)航空作業(yè)任務(wù)分配的方法的裝置，故而基于本發(fā)明實(shí)施例中所介紹的無(wú)人機(jī)航空作業(yè)任務(wù)分配的方法，本領(lǐng)域所屬技術(shù)人員能夠了解本實(shí)施例的無(wú)人機(jī)航空作業(yè)任務(wù)分配的裝置的具體實(shí)施方式以及其各種變化形式，所以在此對(duì)于該無(wú)人機(jī)航空作業(yè)任務(wù)分配的裝置如何實(shí)現(xiàn)本發(fā)明實(shí)施例中的無(wú)人機(jī)航空作業(yè)任務(wù)分配的方法不再詳細(xì)介紹。只要本領(lǐng)域所屬技術(shù)人員實(shí)施本發(fā)明實(shí)施例中無(wú)人機(jī)航空作業(yè)任務(wù)分配的方法所采用的裝置，都屬于本申請(qǐng)所欲保護(hù)的范圍。在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說明書的理解。類似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的替代特征來(lái)代替。此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。本發(fā)明的某些部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來(lái)實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的網(wǎng)關(guān)、代理服務(wù)器、系統(tǒng)中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái)實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。當(dāng)前第1頁(yè)1 2 3