《Drones》：Multi-Objective Trajectory Planning Method for Air–Ground Collaborative Logistics UAVs Under Preemptive Scheduling
编辑推荐：
为有效应对复杂空域下抢占式多无人机物流配送中复杂时空冲突、动态避障与协同多目标优化挑战，研究人员提出一种面向抢占式多无人机协同物流调度与规划的混合改进多目标布谷鸟搜索（Hybrid Improved Multi-Objective Cuckoo Search,
为有效应对复杂空域下抢占式多无人机物流配送中复杂时空冲突、动态避障与协同多目标优化挑战，研究人员提出一种面向抢占式多无人机协同物流调度与规划的混合改进多目标布谷鸟搜索（Hybrid Improved Multi-Objective Cuckoo Search, HI-MOCS）算法。针对常规多目标布谷鸟搜索（MOCS）在复杂约束下可行解比例低、易陷局部最优及解集分布不均等局限，建立抢占式调度的多约束物理模型与多维评价框架，设计基于主辅种群协同进化的正向知识迁移机制，以约束违反信息引导不可行解趋向可行域；引入融合应急订单优先级与空间扫描规则的混合启发式种群初始化策略以提升初始高质量可行解比例；设计非线性动态自适应参数调整策略平衡全局探索与局部开发；采用基于最短距离准则的迭代截断环境选择机制改善帕累托解集分布质量。基准场景下，HI-MOCS相较11种多目标优化算法使总订单完成率平均提升33.26%、应急响应时间平均降低15.34%，单完成订单飞行距离表现亦优；机队规模分析表明15架无人机配置取得最低最佳均值适应度；安全距离分析中30 m设置较其他设置使总订单完成率平均提升26.55%，应急响应时间与单完成订单飞行距离分别降低27.36%与33.72%；任务规模分析显示50订单场景取得最低最佳均值适应度；消融实验证实完整HI-MOCS较MOCS及四种单策略变体平均性能提升总订单完成率20.27%，应急响应时间与单完成订单飞行距离分别降低20.71%与36.18%，HV、IGD与帕累托前沿结果进一步印证四种改进机制协同增强多目标优化性能与无支配解集质量。研究在可靠GNSS定位与通信链路假设下的仿真条件验证，未显式考虑通信延迟。
研究背景方面，随着低空物流与智能交通系统快速发展，无人机（Unmanned Aerial Vehicle, UAV）广泛应用于城市末端配送。抢占式物流场景具备复杂三维动态环境与严苛客户时间窗要求，多配送无人机需在满足物理安全与应急效率前提下协同规划轨迹。现有单目标优化评价标准有限、易陷局部最优，传统多目标进化算法（Multi-Objective Evolutionary Algorithms, MOEAs）如NSGA-II与MOGWO虽具备全局搜索与权衡能力，但在抢占式多无人机物流中仍面临离散任务编码与动态到达订单耦合不足、主搜索过程物理约束信息利用不充分、无支配解局部分布失衡等局限。常规多目标布谷鸟搜索（Multi-Objective Cuckoo Search, MOCS）凭借莱维飞行（Lévy flights）长距离探索与外部档案（external archive）潜力应用于高度非线性搜索空间，但在高约束抢占式物流中可行解比例低且缺乏复杂物理约束修复机制。该研究发表于《Drones》，旨在构建问题驱动的HI-MOCS框架，提升复杂空域下动态应急需求与空地协同轨迹规划的安全性、时效性与经济性。
关键技术方法上，研究人员构建“地面全局规划—机载局部执行”双层空地协同架构，地面端基于紧急订单优先级、极坐标空间扫描与容量约束采样的混合启发式初始化生成种群；设计发现概率与莱维步长因子随进化代数非线性动态自适应调整以协调探索与开发；建立主种群（Pareto任务搜索）与辅种群（约束违反引导）双种群正向知识迁移与周期融合重组机制；改进最近邻最短距离环境选择，在档案截断时动态重算候选剔除后邻距以降低局部误判；机载端采用二次贝塞尔（quadratic Bézier）曲线局部绕障与轨迹拼接。实验在5000 m × 5000 m × 140 m三维仿真环境、maxFEs=10000、种群规模N=100、10次独立运行下，对比NSGA-II、MOPSO、MOGWO、MOCS等11种算法。
研究结果方面，基准场景验证中，10架FZ40无人机配送50订单（含15紧急订单）、30栋静态建筑障碍、安全间距30 m条件下，HI-MOCS在三维帕累托前沿、订单完成率、应急响应时间、单完成订单飞行距离上均占优，IGD与HV指标领先，最佳均值适应度（best mean fitness）显著优于对照且变异系数低于5%，Wilcoxon检验p<0.05。机队规模影响分析表明，订单数固定50时，15-UAV配置取得最低最佳均值适应度，过少机队受限载力与容量、过多机队增安全分离冲突。安全距离分析显示30 m设置较其他间距使总订单完成率平均升26.55%，应急响应时间与单完成订单飞行距离分别降27.36%与33.72%。任务规模分析指出50订单场景取得最低最佳均值适应度。消融实验拆解四机制贡献，完整HI-MOCS较MOCS及四单策略变体平均提升总订单完成率20.27%，应急响应时间与单完成订单飞行距离分别降20.71%与36.18%，证实混合初始化、自适应参数、双种群知识迁移与改进环境选择具协同增益。
讨论与结论翻译部分，研究人员指出HI-MOCS在可靠GNSS与通信假设下有限规模仿真验证，未显式建模通信延迟与嵌入式实时性，工程部署需硬件在环与更大规模城市空域进一步校验。结论上，HI-MOCS通过离散任务编码、约束感知知识迁移与动态最近邻环境选择的问题驱动结构集成，在统一三目标（总订单完成率最大化、应急响应时间最小化、单完成订单飞行距离最小化）受载量（≤10 kg）、单机订单数（≤6）、水平速（≤14 m/s）、垂直速（≤4 m/s）、动态安全间距（≥30 m）约束下，显著提升抢占式空地协同物流无人机轨迹规划的可行解比例、帕累托前沿分布质量与多目标综合性能，为动态应急低空物流提供可扩展且物理可行的调度规划方案。
