多红花收获机多区域覆盖的路径规划与负载均衡任务调度优化框架

本文提出了一种集成路径规划与任务调度的协同优化框架，针对大规模红花收获场景，通过结合卫星遥感与数字高程模型（DEM）构建精准农田模型，创新性地将作物行距纳入单区域全覆盖路径规划（CCPP），并采用基于图论的改进A算法（G-A）优化多区域路径连接。为解决多机负载均衡问题，引入均衡多旅行商问题（EMTSP）模型，开发非交叉遗传算法（NIGA）实现任务分配与路径协同优化。实验表明，该框架使田间覆盖率超过99%，显著提升作业效率与多机协同性能。

　　

Highlight

本研究聚焦于多红花收获机在多区域协同作业中的路径覆盖与负载均衡优化，通过整合地理信息建模、路径规划与多机调度，提出了一套系统的协同作业框架。

Problem description

多红花收获机的全覆盖路径规划（CCPP）与负载均衡任务调度包含四个核心部分：收获区域建模、单区域CCPP、多区域路径连接以及多机负载均衡任务调度。图1展示了多机协同框架的整体结构。

Environmental model

新疆裕民县江格斯乡作为中国最大的红花种植区之一，地势广阔、地形复杂。本研究通过Google Earth获取约2000英亩红花种植区的二维数字高程模型（DEM），并利用QGIS软件进行矢量裁剪，提取作业区域的经纬度边界数据，以精确划分作业区域范围。

Single-field full CCPP

我们针对凸多边形田块中的红花收获机开展CCPP研究，采用数值方法与变宽路径调整技术（Peng et al., 2019），重点分析不同起始点与作业角度对机器作业性能的影响。

Multi-field path connections

基于前述方法，我们为每个田块生成了CCPP路径并确定起始点（S）与终点（E），如图8中（S₁, E₁）、（S₂, E₂）和（S₃, E₃）所示。由于多区域作业必然涉及田块间的转移，需构建高效连接路径以降低空驶时间与能耗。

Problems of TSP and MTSP

旅行商问题（TSP）是一个经典的NP难组合优化问题，要求单个个体访问n个城市各一次并返回起点，且总路径最短。多旅行商问题（MTSP）则将其扩展为将城市划分为m个子集，分别求其最短路径，目标仍是全覆盖且每城市仅访问一次。

Simulation experiments

我们提出了一种面向大规模红花收获的均衡多机任务分配方法。该方法首先利用CCPP策略生成各田块内部作业路径，基于路径起终点采用G-A*算法构建全连接转移路径，最后应用非交叉遗传算法（NIGA）实现多机任务调度。整体流程如图所示，兼顾了路径最优与负载均衡。

Conclusion

本研究提出了一种融合路径规划与任务调度的集成优化框架，旨在提升多红花收获机协同作业中的路径覆盖率、作业效率与任务均衡性。通过高精度地理信息建模、作业角度优化、G-A*跨田块路径规划以及NIGA多机调度，显著提高了系统的综合性能，为精准农业中的智能装备协同作业提供了有效解决方案。