本发明属于无人车路径规划领域，特别是一种多无人车协同运输方法。
背景技术：
1、随着智能化的发展，无人保障车广泛应用在物质保障运输领域。由于电池能量密度的限制，一辆无人保障车的续航能力无法满足多点运输要求，因此，需要多辆无人车协同，按时按量完成多点运输任务。
2、在已知运输地点坐标的前提下，如何合理地安排多辆车的行驶路线成为研究热点。多无人车协同运输是旅行商问题的扩展，是一个np难问题。求解该问题的方法主要分为两大类：精确算法和元启发式算法。当运输地点较多时，精确算法计算成本大且计算效率低，不能够满足现代运输要求。元启发式算法能够较好地平衡求解精度和计算时间。当前，在求解该类问题的时存在以下问题：第一，在应用局部搜索策略时，未进行控制，导致运算时间的增加；第二，在迭代初期，搜索效率低，导致收敛过快，陷入局部最优解。
技术实现思路
1、本发明针对现有技术的不足，提出一种具有较强的普适性，需要调节的参数少，搜索效率高的多无人车协同运输方法。
2、本发明的上述目的通过以下技术方案来实现
3、一种多无人车协同运输方法，该方法基于matlab计算平台,先随机生成初始行驶方案，在初始行驶方案的基础上，通过破坏和再修复的迭代循环方式获得最优行驶方案，该方法包括如下步骤：
4、s1：确定迭代循环运算的初始行驶方案个数n和最大循环迭代次数tmax；
5、s2：根据无人车的数量及途径的地点个数，随机生成n个初始行驶方案，并根据编码规则对随机生成的n个初始行驶方案进行编码；
6、s3：开始迭代算，从各行驶方案中随机删去多个地点序号，完成行驶方案的“破坏”操作；
7、s4：将删去的地点序号按一定规则插入到“破坏”后的行驶方案中，完成行驶方案的“修复”操作；
8、s5：对各行驶方案的总行驶里程进行排序，以总行驶里程短为目标，选出最优的三个行驶方案；
9、s6：根据大规模领域算法，对最优的三个行驶方案中各车的途径地点顺序进行局部优化；
10、s7：根据遗传算法，对最优行驶方案进行地点“交叉”操作，并“淘汰”最差的行驶方案；
11、s8：判断循环迭代次数t是否达到最大循环迭代次数，若未达到最大循环迭代次数，则返回步骤s3，若达到最大循环迭代次数，则输出最优行驶方案。
12、而且，步骤s1中，初始行驶方案n在200～1000之间，最大循环迭代次数tmax在1000～2000之间。
13、而且，步骤s2中，无人车的数量为m，需要途径的地点个数为n，则行驶方案编码主要由两部分组成：第一部分为除枢纽中心γ外的地点顺序随机组合，第二部分为m个随机且总和为n-1的数字组合。
14、而且，步骤s3中，第i辆无人车行驶路径中需要删除坐标点的个数由以下公式确定：
15、
16、式中，numi为在“破坏”操作中，第i辆无人车行驶路径中需要删除坐标点的个数；numimax为在“破坏”操作中,第i辆无人车行驶路径中删除坐标点个数的最大值；numimin为在“破坏”操作中,第i辆无人车行驶路径中删除坐标点个数的最小值；t为当前迭代次数；tmax为最大循环迭代次数；
17、步骤s3中，在“破坏”操作中,第i辆无人车行驶路径中删除坐标点个数的最大值numimax根据以下公式确定：
18、numimax＝cnumi-1
19、式中，cnumi为第i辆无人车行驶路径中坐标点个数；在“破坏”操作中,第i辆无人车行驶路径中删除坐标点个数的最小值numimin＝1；
20、删除坐标点总个数为dt：
21、
22、式中，numi为在“破坏”操作中，第i辆无人车行驶路径中需要删除坐标点的个数。
23、而且，步骤s4中，“修复”操作是指将步骤s3中删除的点逐个插入“破坏”后的行驶方案中；每个插入点位对应不同的里程增加值，每个删除点在插入时选择里程增加值最小的插入点位进行插入；且“修复”操作允许删除点插入到任意无人车行驶路径中。
24、而且，步骤s6中，局部优化主要包括“局部破坏”操作和“局部修复”操作；
25、“局部破坏”操作是指在每辆无人车行驶路径中随机删除多个地点坐标，第i辆无人车行驶路径中需要删除坐标点的数量mumi由以下公式确定：
26、
27、式中，mumi为“局部破坏”操作中，第i辆无人车行驶路径中需要删除坐标点的数量；t为当前迭代次数；tmax为最大循环迭代次数；mumimax为在“局部破坏”操作中删除坐标点个数的最大值；e为常数，取值为2.71828183。
28、“局部修复”操作是指将删除的点逐个插入“局部破坏”后的行驶方案中；“局部修复”操作只允许删除点插入到原删除路线中，每个插入点位对应不同的里程增加值，每个删除点在插入时选择里程增加值最小的插入点位进行插入。
29、而且，步骤s7中，“交叉”操作是指在行驶路径中随机选择两个地点坐标，交换其顺序，计算交换后的行驶总里程；若交换后的行驶总里程小于原顺序的行驶总里程，则将交换后的行驶路径代替原有路径，否则，保留原有顺序的行驶路径。
30、而且，步骤s7中，“淘汰”操作是指在每次迭代后，将行驶总里程最大的行驶路径删除。
31、本发明具有的优点和积极效果为：
32、本发明专利提出一种多无人车协同运输方法，在循环迭代过程中，“破坏”操作中删除坐标点的数量随着迭代次数呈线性下降，能够保证在初始搜索最优路径规划时扩大搜索范围，提升路径规划效率，避免过早收敛；“局部破坏”操作中删除坐标点的数量随着迭代次数呈上升趋势，能保证在路径规划的后期找到最优的路径；在每次迭代的最后，引入遗传算法中的“交叉”和“淘汰”，节约计算时间，提升路径搜索效率。
1.一种多无人车协同运输方法，其特征在于：该方法基于matlab计算平台,先随机生成初始行驶方案，在初始行驶方案的基础上，通过破坏和再修复的迭代循环方式获得最优行驶方案，该方法包括如下步骤：
2.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s1中，初始行驶方案n在200～1000之间，最大循环迭代次数tmax在1000～2000之间。
3.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s2中，无人车的数量为m，需要途径的地点个数为n，则行驶方案编码主要由两部分组成：第一部分为除枢纽中心γ外的地点顺序随机组合，第二部分为m个随机且总和为n-1的数字组合。
4.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s3中，第i辆无人车行驶路径中需要删除坐标点的个数由以下公式确定：
5.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s4中，“修复”操作是指将步骤s3中删除的点逐个插入“破坏”后的行驶方案中；每个插入点位对应不同的里程增加值，每个删除点在插入时选择里程增加值最小的插入点位进行插入；且“修复”操作允许删除点插入到任意无人车行驶路径中。
6.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s6中，局部优化主要包括“局部破坏”操作和“局部修复”操作；
7.根据权利要求1所述的多无人车协同运输方法，其特征在于：步骤s7中，“交叉”操作是指在行驶路径中随机选择两个地点坐标，交换其顺序，计算交换后的行驶总里程；若交换后的行驶总里程小于原顺序的行驶总里程，则将交换后的行驶路径代替原有路径，否则，保留原有顺序的行驶路径。
8.根据权利要求7所述的多无人车协同运输方法，其特征在于：“淘汰”操作是指在每次迭代后，将行驶总里程最大的行驶路径删除。
