一种改进的粒子群优化方法，用于具有时间窗口的对称与非对称任务分配下的多无人地面车辆任务调度

《Symmetry》：An Improved Particle Swarm Optimization Method for Multi-Unmanned Ground Vehicle Task Allocation Under Symmetric and Asymmetric Task Distributions with Time Windows

　　

摘要

多辆无人地面车辆的任务分配属于一种约束性组合优化问题，其中对称的车辆资源需与不对称的任务需求相协调。在配送和检测任务中，同类车辆遵循相同的规则，但任务点在空间分布、需求量、服务时间以及时间窗口要求方面存在差异。这些差异使得设计出紧凑、可行且工作负载均衡的路线变得十分困难。SACWDO-PSO是一种离散型粒子群优化框架，它结合了克拉克-赖特节省策略初始化、自适应参数控制以及模拟退火局部搜索技术。节省策略有助于提升初始种群的质量，自适应控制可在搜索过程中调整探索与利用的比例，而模拟退火则可用于优化局部路线结构。该方法在基于软时间窗口惩罚目标的所罗门VRPTW基准数据集上进行了测试，同时也在使用Unreal Engine 4.27与Microsoft AirSim 1.8.1开发的仿真场景中进行了验证。在大多数基准测试案例中，SACWDO-PSO得到的目标值更低，时间窗口违规情况也更少；威尔科克森符号秩检验结果显示，其性能相比PSO、DPSO和GA有显著提升。