技術(shù)特征：

1.一種無人機航空作業(yè)任務(wù)分配方法，其特征在于，當(dāng)多架多旋翼無人機在同一時間對多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時，所述方法包括：

獲取執(zhí)行本次任務(wù)的一個時間窗、多旋翼無人機的信息、待噴灑農(nóng)藥信息、以及所述多塊候選農(nóng)田的信息；

對所述時間窗、無人機的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機生成多條染色體；在所述隨機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人機在此次作業(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人機所飛行時長約束以及每塊農(nóng)田時間窗約束；

基于預(yù)設(shè)的遺傳算法對所述初始解集進(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。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)函數(shù)為：

$max\underset{u=1}{\overset{N_U}{\Σ}}\underset{i=1}{\overset{N_A}{\Σ}}{\mathrm{SP}}_i{x}_{iu},$

其中，

${\mathrm{SP}}_i=\frac{{\mathrm{SQ}}_i{\∫}_{s_{iu}}^{s_{iu+t_{iu}}}{P}_i\left(t\right)dt}{t_{iu}*{10}^4}.$

所述預(yù)設(shè)約束條件為：

$\underset{u=1}{\overset{N_U}{\Σ}}\underset{i=0}{\overset{N_A}{\Σ}}{y}_{{\mathrm{iN}}_{A}u}=\underset{u=1}{\overset{N_U}{\Σ}}\underset{j=1}{\overset{N_{A+1}}{\Σ}}{y}_{1ju}=N_U,$

$\underset{i=0}{\overset{N_A}{\Σ}}{y}_{iku}=\underset{j=1}{\overset{N_{A+1}}{\Σ}}{y}_{kju}=x_{ku};\∀k=1,\mathrm{...},N_A,\∀u=1,\mathrm{...},N_U,$

$s_{iu}+t_{iju}-s_{ju}\≤M(1-y_{iju});\∀i,j=0,\mathrm{...},N_{A+1};\∀u=1,\mathrm{...},N_U,$

$\underset{u=1}{\overset{N_U}{\Σ}}{x}_{iu}\≤1;\∀i=0,\mathrm{...},N_{A+1},$

$O_{iu}\≤s_{iu}\≤C_{iu},t_{iu}\≤C_{iu}-s_{iu};\∀i=1,\mathrm{...},N_A;\∀u=1,\mathrm{...},N_U,$

$\underset{i=0}{\overset{N_{A+1}}{\Σ}}(x_{iu}{t}_{iu}+y_{iju}{t}_{iju})\≤E_u;\∀u=1,\mathrm{...},N_U,$

$x_{iu}\∈\{1,0\};y_{iju}\∈\{1,0\};\∀i,j=0,\mathrm{...},N_{A+1};\∀u=1,\mathrm{...},N_U.$

其中，N_u表示無人機U_u的個數(shù)；N_A表示農(nóng)田A_i的總個數(shù)；A₀,表示所有無人機的起始點和終點，所述起始點與終點為同一點，SP_i表示完成農(nóng)田A_i的噴灑任務(wù)所獲得的收益；SQ_i表示農(nóng)田A_i的面積；P_i(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；s_iu表示無人機U_u對農(nóng)田A_i開始噴灑農(nóng)藥的時間，s_ju表示無人機U_u對農(nóng)田A_j開始噴灑農(nóng)藥的時間；O_iu表示無人機U_u對農(nóng)田A_i可以噴灑農(nóng)藥的開始時間；C_iu表示無人機U_u對農(nóng)田A_i可以噴灑農(nóng)藥的結(jié)束時間；t_iu表示無人機U_u對農(nóng)田A_i按照預(yù)設(shè)的飛行方式執(zhí)行任務(wù)的時間；t_iju表示無人機U_u對農(nóng)田A_i,A_j之間按照預(yù)設(shè)的飛行方式飛行的時間；E_u表示無人機U_u的最大飛行時長限制；x_iu表示無人機U_u對農(nóng)田A_i完成藥物噴灑任務(wù)的情況，若x_iu＝1，則表示完成藥物噴灑任務(wù)，否則無人機U_u沒有對農(nóng)田A_i執(zhí)行任務(wù)；y_iju表示無人機U_u是否經(jīng)過農(nóng)田A_i,A_j，若y_iju＝1表示無人機U_u經(jīng)過農(nóng)田A_i,A_j，否則該無人機沒有經(jīng)過農(nóng)田A_i,A_j。

3.根據(jù)權(quán)利要求1或2任一所述的方法，其特征在于，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)田的第一邊的方式飛行，且以垂直于農(nóng)田第一邊的方向從第一邊上的第一進(jìn)入點進(jìn)入農(nóng)田，所述第一進(jìn)入點與農(nóng)田頂點的距離為無人機噴灑半徑；

其中，所述第一邊為矩形農(nóng)田的長邊或短邊。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述無人機的信息以及所述農(nóng)田信息進(jìn)行編碼，隨機生成多條染色體，包括：

對所述無人機的標(biāo)識信息、所述無人機的數(shù)量、每條線路中的無人機進(jìn)入第一塊農(nóng)田的起始時間、所述農(nóng)田的位置信息以及每架無人機進(jìn)入農(nóng)田時的進(jìn)入點采用全信息編碼方式進(jìn)行編碼，隨機生成多條染色體；

其中，所述染色體的第一行為所述農(nóng)田的標(biāo)識信息的隨機全排列，所述染色體的第二行為所有無人機的標(biāo)識信息的隨機組合，所述染色體的第三行為所述進(jìn)入點的隨機組合，所述染色體的第四行為所述無人機路線中訪問第一塊農(nóng)田開始時間的隨機組合。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于預(yù)設(shè)的遺傳算法對所述初始解集進(jìn)行隨機變異，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，包括：

步驟一、根據(jù)所述初始解集生成預(yù)設(shè)規(guī)模的初始父代種群；

步驟二、采用輪盤賭方法將當(dāng)前的父代種群中的任意兩個染色體進(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，所述交叉的步驟具體包括：

隨機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；

步驟三、采用輪盤賭方法將所述第一子代種群中的任意一個第五染色體進(jìn)行個體變異，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，確定其變異的位置，并將隨機生成的無人機標(biāo)識信息替換原變異位置處的無人機標(biāo)識信息；

在判斷獲知第五染色體的第三行發(fā)生過變異時，確定其變異的位置，并將隨機生成的進(jìn)入點替換原變異位置處的進(jìn)入點；

在判斷獲知第五染色體的第四行發(fā)生變異時，確定變異位置，并將隨機生成的時間窗之間的時間替換與變異位置第二行相同的基因處第四行的開始時間；

步驟四、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)前步驟二、三、四整體循環(huán)迭代的次數(shù)是否達(dá)到預(yù)設(shè)值；若否，則返回步驟二，并將所述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)行步驟五；

步驟五：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。

6.一種無人機航空作業(yè)任務(wù)分配裝置，其特征在于，當(dāng)多架多旋翼無人機在同一時間對多塊候選農(nóng)田執(zhí)行作業(yè)任務(wù)時，所述裝置包括：

信息獲取單元，用于獲取執(zhí)行本次任務(wù)的一個時間窗、多旋翼無人機的信息、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，用于對所述時間窗、無人機的信息、待噴灑農(nóng)藥信息以及所述農(nóng)田信息進(jìn)行編碼，隨機生成多條染色體；在所述隨機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人機在此次作業(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人機所飛行時長約束以及每塊農(nóng)田時間窗約束；

最優(yōu)解計算單元，用于基于預(yù)設(shè)的遺傳算法對所述初始解集進(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。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述目標(biāo)函數(shù)為：

$max\underset{u=1}{\overset{N_U}{\Σ}}\underset{i=1}{\overset{N_A}{\Σ}}{\mathrm{SP}}_i{x}_{iu},$

其中，

${\mathrm{SP}}_i=\frac{{\mathrm{SQ}}_i{\∫}_{s_{iu}}^{s_{iu+t_{iu}}}{P}_i\left(t\right)dt}{t_{iu}*{10}^4}.$

所述預(yù)設(shè)約束條件為：

$\underset{u=1}{\overset{N_U}{\Σ}}\underset{i=0}{\overset{N_A}{\Σ}}{y}_{{\mathrm{iN}}_{A}u}=\underset{u=1}{\overset{N_U}{\Σ}}\underset{j=1}{\overset{N_{A+1}}{\Σ}}{y}_{1ju}=N_U,$

$\underset{i=0}{\overset{N_A}{\Σ}}{y}_{iku}=\underset{j=1}{\overset{N_{A+1}}{\Σ}}{y}_{kju}=x_{ku};\∀k=1,\mathrm{...},N_A;\∀u=1,\mathrm{...},N_U,$

$s_{iu}+t_{iju}-s_{ju}\≤M(1-y_{iju});\∀i,j=0,\mathrm{...},N_{A+1};\∀u=1,\mathrm{...},N_U,$

$\underset{u=1}{\overset{N_U}{\Σ}}{x}_{iu}\≤1;\∀i=0,\mathrm{...},N_{A+1},$

$O_{iu}\≤s_{iu}\≤C_{iu},t_{iu}\≤C_{iu}-s_{iu};\∀i=1,\mathrm{...},N_A;\∀u=1,\mathrm{...},N_U,$

$\underset{i=0}{\overset{N_{A+1}}{\Σ}}(x_{iu}{t}_{iu}+y_{iju}{t}_{iju})\≤E_u;\∀u=1,\mathrm{...},N_U,$

$x_{iu}\∈\{1,0\};y_{iju}\∈\{1,0\};\∀i,j=0,\mathrm{...},N_{A+1};\∀u=1,\mathrm{...},N_U.$

其中，N_u表示無人機U_u的個數(shù)；N_A表示農(nóng)田A_i的個數(shù)；A₀,表示所有無人機的起始點和終點，所述起始點與終點為同一點，SP_i表示完成農(nóng)田A_i的噴灑任務(wù)所獲得的收益；SQ_i表示農(nóng)田A_i的面積；P_i(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；s_iu表示無人機U_u對農(nóng)田A_i開始噴灑農(nóng)藥的時間，s_ju表示無人機U_u對農(nóng)田A_j開始噴灑農(nóng)藥的時間；O_iu表示無人機U_u對農(nóng)田A_i可以噴灑農(nóng)藥的開始時間；C_iu表示無人機U_u對農(nóng)田A_i可以噴灑農(nóng)藥的結(jié)束時間；t_iu表示無人機U_u對農(nóng)田A_i按照預(yù)設(shè)的飛行方式執(zhí)行任務(wù)的時間；t_iju表示無人機U_u對農(nóng)田A_i,A_j之間按照預(yù)設(shè)的飛行方式飛行的時間；E_u表示無人機U_u的最大飛行時長限制；x_iu表示無人機U_u對農(nóng)田A_i完成藥物噴灑任務(wù)的情況，若x_iu＝1，則表示完成藥物噴灑任務(wù)，否則無人機U_u沒有對農(nóng)田A_i執(zhí)行任務(wù)；y_iju表示無人機U_u是否經(jīng)過農(nóng)田A_i,A_j，若y_iju＝1表示無人機U_u經(jīng)過農(nóng)田A_i,A_j，否則該無人機沒有經(jīng)過農(nóng)田A_i,A_j。

8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，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)田的第一邊的方式飛行，且以垂直于農(nóng)田第一邊的方向從第一邊上的第一進(jìn)入點進(jìn)入農(nóng)田，所述第一進(jìn)入點與農(nóng)田頂點的距離為無人機噴灑半徑；

其中，所述第一邊為矩形農(nóng)田的長邊或短邊。

9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述初始分配方案生成單元，進(jìn)一步用于：

對所述無人機的標(biāo)識信息、所述無人機的數(shù)量、每條線路中的無人機的起始時間、所述農(nóng)田的位置信息以及每架無人機進(jìn)入農(nóng)田時的進(jìn)入點進(jìn)行采用全信息編碼方式進(jìn)行編碼，隨機生成多條染色體；

其中，所述染色體的第一行為所述農(nóng)田的標(biāo)識信息的隨機全排列，所述染色體的第二行為所有無人機的標(biāo)識信息的隨機組合，所述染色體的第三行為所述進(jìn)入點的隨機組合，所述染色體的第四行為所述無人機路線中訪問第一塊農(nóng)田開始時間的隨機組合。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述最優(yōu)解計算單元，進(jìn)一步用于執(zhí)行以下步驟：

步驟一、根據(jù)所述初始解集生成預(yù)設(shè)規(guī)模的初始父代種群；

步驟一、根據(jù)所述初始解集生成預(yù)設(shè)規(guī)模的初始父代種群；

步驟二、采用輪盤賭方法將當(dāng)前的父代種群中的任意兩個染色體進(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，所述交叉的步驟具體包括：

隨機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；

步驟三、采用輪盤賭方法將所述第一子代種群中的任意一個第五染色體進(jìn)行個體變異，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，確定其變異的位置，并將隨機生成的無人機標(biāo)識信息替換原變異位置處的無人機標(biāo)識信息；

在判斷獲知第五染色體的第三行發(fā)生過變異時，確定其變異的位置，并將隨機生成的進(jìn)入點替換原變異位置處的進(jìn)入點；

在判斷獲知第五染色體的第四行發(fā)生變異時，確定變異位置，并將隨機生成的時間窗之間的時間替換與變異位置第二行相同的基因處第四行的開始時間；

步驟四、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)前步驟二、三、四整體循環(huán)迭代的次數(shù)是否達(dá)到預(yù)設(shè)值；若否，則返回步驟二，并將所述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)行步驟五；

步驟五：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。