0 引言

随着现代化社会的飞速发展，物流配送成为运输行业的新型行业。将优化理念融入到物流活动的全过程，接收与发送不同的物流[1]。通过智能避障与目标追踪，将商品配送到指定位置。在物流配送过程中，特殊环境下使用无人机在线避障，能够保证无人机运行的实时性和安全性。由于现有的优化方法配送时间的准确性差，小型无人机续航能力差，存在延误等问题。面对特殊环境下的物流配送，不能及时了解货物配送情况，无法实时更新配送信息，造成资源浪费。针对上述不足，本次研究以无人机物流配送路径自动优化为研究对象，使用改进遗传算法，结合实际情况进行方法设计，并以实验的形式验证方法性能。

1 无人机物流配送路径自动优化设计

1.1无人机配送站点选址

将无人机配送站点服务范围内作为需求点，通过物流中心将物品按照标准运送到不同的配送站点，再使用无人机对不同站点之间进行配送，最后返回完成配送，其中存在续航里程的问题[2]。在标准续航范围内，对无人机配送站点进行选址。采用分层序列法为配送区域内配送距离为目标，添加无人机配送站点，划分配送子区域。设定配送路径为从物流中心到配送站点的对应直线，且所有配送距离均在无人机续航里程范围内。设定建设成本为k，得到无人机配送站点数量的目标函数为

式（1）中：k为建设程度，在确定无人机的站点数量后，需要对不同站点之间的距离进行测量。以无人机配送站点为圆心，运用重叠算法对区域内的所有节点进行覆盖。根据站点到物流中心的距离，按照长短依次进行编号，同时将距离结果集合。找到集合中的最短距离，并设定中心节点为O，在特征圆中确定不同配送站点的位置，并运用萤火虫算法在平面进行最优站点选址。为能够在全局范围内得到最优解，设定每个萤火虫表示对应的配送站点位置[3]。萤火虫的相对亮度值可以得到计算。同时，根据两只萤火虫之间的最大吸引度，进行位置更新：式（2）中：α为步长因子；β为最大吸引度；V1为上一时刻位置。通过调整局部搜索能力，对站点位置进行迭代优化。按照配送范围对不同站点的位置进行移动，形成全覆盖。设定惩罚因子，添加对应的适应度函数[4]。为了能够加速找到选址点位置，通过多次寻优，更新萤火虫位置，对内容进行反向扩散学习，确定无人机配送站点位置。

1.2考虑配送时间窗构建路径配送模型

在配送过程中，客户的时间窗问题需要得到解决。将不同无人机的配送路径整合成一个回路，通过迭代得到最优解来减少车辆的行驶距离。将无人机客户加入到其中形成一个完整的初始解，依次将运输问题中的两个回路合并为一个回路，节约距离的计算公式为

式（3）中，d1,d2,d3表示不同节点之间的距离。无人机单次仅为一个客户进行服务，从物流网络节点位置处发射，以最大飞行速度进行物流配送[5]，从而节约时间。以上述研究为基础，构建无人机配送路径模型，其可表示为

式（4）中，dij代表配送站点i到配送站点j之间的距离；xij表示无人机从配送站点i到配送站点j;K代表无人机数量。

1.3应用改进遗传算法实现物流配送路径自动优化

为实现物流配送路径的自动优化，在完成无人机配送路径模型构建之后，采用改进遗传算法对其进行求解，其过程如下：从染色体编码开始，对客户点依据时间顺序依次进行编号，染色体长度为v。依据从物流中心出发最后回到起点的原则，在起点之间设定一条运输路线。根据无人机最大载重的限制进行编码，对选择的点进行从小到大排序。建立适应度函数，适应度越高，遗传概率就越大。通过公式计算最小目标函数为

式（5）中：F为个体的适应度；minA为个体的最小成本。根据染色体适应度的大小，确定染色体能否在遗传中进行更好的应用。同时为了能够适应环境的个体特征得到保留，对优秀个体进行保留。随机截取两个父代染色体带，并随机截取两个父代染色体。依据变异算子设定规律，及时更新染色体上不同基因的位置，对变异基因进行交换。通过交换位置，更新位置从而减少最优解出现过早收敛的情况，不断迭代直到形成最优解，以此完成物流配送路径最优化的判断，再将求解得到的最优路径方案转化为无人机可执行的指令，包括无人机的起飞、降落、航行等操作，并利用相应的自动化系统将任务指派给无人机进行配送。

2 实验测试与分析

2.1搭建实验环境

以某配送站为例开展研究，其共有20个配送服务站点，利用无人机进行配送，无人机可飞行距离为15～20km，飞行速度可达到35km/h。将出发点设定为0，经过不同站点到达终点20，按照此运输实际顺序完成配送过程，具体如图1所示。

设定算法种群规模为100，迭代次数为30，交叉概率为0.4。利用Matlab软件进行编程，将算法参数和数据输入其中，并进行无人机配送路径规划，使其在满足客户需求量的情况下，运用无人机配送模式完成配送作业。

2.2结果与分析

根据Matlab仿真运行得到五个小组的最优路线情况，在地图上进行显示，根据不同测距结果得到无人机运行流向，获得优化后的线路数量见表1。

由表1可知，应用实验组，其获得的配送线路为3条，五个小组中设计路径最少，应用3架直升机即可完成路径配送，由此可说明运用本文方法能够节约配送时间，提升配送效率，达到最优配送效果。

3 结语

本次从无人机物流配送路径优化入手，结合了改进遗传算法，探究了基于改进遗传算法的无人机物流配送路径优化方法的应用。根据不同用户的服务时间，对相应的物流配送时间进行及时修正。通过改进遗传算法进行全局搜索，保证解的多样性，对无人机的路径和定位进行优化，得到更精准的物流配送路径。通过对算法的改善，实现了基于改进遗传算法的无人机物流配送路径优化方法，并得到了良好应用。