謝陽(yáng)生,黃水生,李惺穎,唐小明

(中國(guó)林業(yè)科學(xué)研究院 資源信息研究所,北京 100091)

基于遺傳算法的森林防火航空巡護(hù)路徑規(guī)劃

謝陽(yáng)生,黃水生,李惺穎,唐小明

(中國(guó)林業(yè)科學(xué)研究院 資源信息研究所,北京 100091)

針對(duì)防火監(jiān)測(cè)區(qū)地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律以及執(zhí)行巡護(hù)任務(wù)的飛機(jī)性能等影響因素,提出一種規(guī)劃森林防火航空巡護(hù)路徑的方法及流程,利用遺傳算法實(shí)現(xiàn)路徑規(guī)劃最優(yōu)解的求解. 對(duì)實(shí)驗(yàn)區(qū)的計(jì)算結(jié)果表明,該方法得到的最優(yōu)路徑與原路徑相比,長(zhǎng)度縮短了46.06%,且能實(shí)現(xiàn)對(duì)監(jiān)測(cè)區(qū)域的全覆蓋,從而減少巡護(hù)費(fèi)用,提高巡護(hù)效率.

森林防火; 飛機(jī)巡護(hù); 遺傳算法; 航路規(guī)劃

隨著空、 天、 地一體化林火監(jiān)測(cè)網(wǎng)絡(luò)的逐步形成,遙感衛(wèi)星、 航空飛機(jī)、 瞭望塔及地面巡護(hù)已經(jīng)對(duì)森林火災(zāi)形成了立體監(jiān)測(cè)[1]. 航空林火監(jiān)測(cè)作為與衛(wèi)星監(jiān)測(cè)、 瞭望塔監(jiān)測(cè)及地面巡護(hù)互相印證、 互為補(bǔ)充的一種林火監(jiān)測(cè)方法,能較好地彌補(bǔ)衛(wèi)星由于所處的高度和對(duì)熱點(diǎn)性質(zhì)分辨能力的限制,及地面監(jiān)測(cè)范圍小、 可達(dá)范圍有限的缺點(diǎn),主要用于地形復(fù)雜、 地面瞭望設(shè)施較差的地區(qū)開(kāi)展巡護(hù)報(bào)警、 火場(chǎng)偵察及撲救工作.

航空巡護(hù)主要包括巡護(hù)飛行、 火場(chǎng)偵察、 撲救滅火和空投滅火物資等. 巡護(hù)飛行可使用有人機(jī)進(jìn)行載人巡護(hù)飛行或使用無(wú)人機(jī)搭載傳感器進(jìn)行偵察飛行. 發(fā)生火災(zāi)時(shí),飛機(jī)可空降滅火人員或空投滅火物資,同時(shí)也可進(jìn)行吊桶灑水滅火、 機(jī)腹水箱灑水滅火等. 目前對(duì)飛機(jī)航路規(guī)劃設(shè)計(jì)多見(jiàn)于軍事領(lǐng)域[2-4],航路設(shè)計(jì)中多考慮地形、 威脅點(diǎn)和攻擊目標(biāo)等因素,而在森林火災(zāi)巡護(hù)上只有初步的探討[5-6]. 本文根據(jù)林區(qū)地形、 地貌、 森林資源分布和火災(zāi)發(fā)生規(guī)律等林區(qū)情況制定高效的森林防火巡護(hù)飛行路線,以提高飛機(jī)巡護(hù)任務(wù)效率,并結(jié)合林區(qū)巡護(hù)的特點(diǎn),將飛機(jī)巡護(hù)路徑規(guī)劃用于林火監(jiān)測(cè)中.

1 影響飛機(jī)林火巡護(hù)路徑規(guī)劃的因素

飛機(jī)林火監(jiān)測(cè)中巡護(hù)路線的規(guī)劃與監(jiān)測(cè)目標(biāo)區(qū)域的地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律和飛機(jī)性能等都緊密相關(guān).

林區(qū)多為山區(qū),地形復(fù)雜,地形的起伏會(huì)產(chǎn)生高度差的變化,同時(shí)形成對(duì)目標(biāo)的遮蔽,使飛機(jī)上的機(jī)載巡護(hù)人員和設(shè)備出現(xiàn)探測(cè)盲區(qū),導(dǎo)致林火目標(biāo)被發(fā)現(xiàn)的概率減?。?同時(shí)機(jī)載傳感器的攝像頭或探頭有機(jī)械轉(zhuǎn)動(dòng)的限制,地形的起伏也可能會(huì)使飛機(jī)和目標(biāo)的高度差減小,從而減小了飛機(jī)偵察監(jiān)視設(shè)備的作用距離； 同時(shí)為了確保飛行安全,山區(qū)中高山等障礙物,要求飛機(jī)盡量繞行,飛行高度一般高于地面絕對(duì)高度600 m以上. 森林資源分布是影響飛機(jī)林火監(jiān)測(cè)巡護(hù)路線規(guī)劃的另一個(gè)重要因素. 對(duì)于有林地、 灌木林地和未成林造林地集中的區(qū)域需要納入日常巡護(hù)的路線； 對(duì)于重點(diǎn)林區(qū),例如自然保護(hù)區(qū)、 稀有珍貴樹(shù)種分布地及有特殊用途的森林植物群落等具有較高經(jīng)濟(jì)和社會(huì)價(jià)值的區(qū)域要列為重點(diǎn)巡護(hù)對(duì)象.

根據(jù)歷年火災(zāi)發(fā)生的規(guī)律,包括野外用火和人員活動(dòng)情況,對(duì)監(jiān)測(cè)目標(biāo)區(qū)域劃分出重點(diǎn)火災(zāi)區(qū)； 或根據(jù)森林火險(xiǎn)區(qū)劃對(duì)區(qū)劃等級(jí)較高的區(qū)域進(jìn)行重點(diǎn)監(jiān)測(cè). 森林火險(xiǎn)區(qū)劃共分為3個(gè)等級(jí),1級(jí)屬于森林火險(xiǎn)危險(xiǎn)性大的區(qū)域,3級(jí)屬于森林火險(xiǎn)危險(xiǎn)性小的區(qū)域.

對(duì)于人工巡護(hù)可達(dá)性較差的偏遠(yuǎn)林區(qū)及地面防火設(shè)施薄弱地區(qū)也應(yīng)納入飛機(jī)巡護(hù)的路線中進(jìn)行重點(diǎn)監(jiān)測(cè). 此外,飛機(jī)性能也是確定航線的一個(gè)重要因素. 根據(jù)飛機(jī)的平均時(shí)速和續(xù)航時(shí)間,航線長(zhǎng)度的確定要保證飛機(jī)到達(dá)終點(diǎn)后還有一定的油量?jī)?chǔ)備.

2 飛機(jī)林火巡護(hù)路徑規(guī)劃流程和方法

飛機(jī)林火巡護(hù)路徑的規(guī)劃方法,對(duì)于常規(guī)飛機(jī)巡護(hù)路線是根據(jù)監(jiān)測(cè)目標(biāo)區(qū)域的相關(guān)資料及實(shí)地調(diào)查,確定飛機(jī)巡航的一些重要目標(biāo)點(diǎn),根據(jù)目標(biāo)點(diǎn)制定出多條路徑規(guī)劃,從路徑規(guī)劃方案中選出與瞭望塔互相補(bǔ)充監(jiān)測(cè)面積范圍最大的較優(yōu)方案,即得到飛機(jī)林火巡護(hù)路徑. 流程如下：

1) 確定巡護(hù)目標(biāo)區(qū)域,對(duì)監(jiān)測(cè)目標(biāo)林區(qū)的相關(guān)資料進(jìn)行收集,包括地形地貌、 河流、 道路和居民點(diǎn)等基礎(chǔ)地理資料,監(jiān)測(cè)區(qū)域的森林資源分布資料,重點(diǎn)防火區(qū)域、 森林火險(xiǎn)區(qū)劃、 歷年火災(zāi)發(fā)生地點(diǎn)和規(guī)律等森林防火相關(guān)資料及航飛相關(guān)設(shè)施資料,并對(duì)資料進(jìn)行整理分析,確定地面調(diào)查的重點(diǎn)區(qū)域；

2) 組織專業(yè)人員對(duì)重點(diǎn)區(qū)域進(jìn)行實(shí)地調(diào)查,進(jìn)一步核實(shí)及獲取巡護(hù)區(qū)域森林資源分布情況、 地理情況、 社會(huì)情況和防火設(shè)施情況等防火區(qū)域相關(guān)情況及資料,將實(shí)地踏查中獲取的防火設(shè)施及可用于機(jī)降的位置等標(biāo)識(shí)于地形圖上；

3) 整理實(shí)地踏查結(jié)果,對(duì)相關(guān)資料進(jìn)行補(bǔ)充；

4) 根據(jù)掌握的資料和實(shí)地踏查情況,確定航飛路線中的重要目標(biāo)點(diǎn)；

5) 以飛機(jī)起降點(diǎn)為航飛路徑的起點(diǎn)和終點(diǎn),以重要目標(biāo)點(diǎn)為途經(jīng)點(diǎn),制定航線；

6) 將航線繪制于地形圖上.

酸奶營(yíng)養(yǎng)豐富，具有維持腸道菌群生態(tài)平衡、降低血中膽固醇的含量、預(yù)防便秘、促進(jìn)消化、緩解乳糖不耐癥、提高人體對(duì)鈣磷鐵的吸收的功效[37]?；瓷接薪∑⑽?、補(bǔ)肺益腎、止瀉利濕之功效，將淮山加入奶粉或牛奶，生產(chǎn)功能性酸奶，可以豐富酸奶品種，提高產(chǎn)品的營(yíng)養(yǎng)保健功效。

對(duì)于火災(zāi)發(fā)生后的火情跟蹤和撲救路線,則會(huì)根據(jù)火災(zāi)具體情況、 火災(zāi)發(fā)生周邊的取水點(diǎn)、 防火撲救隊(duì)伍分布和機(jī)降點(diǎn)等的分布進(jìn)行臨時(shí)調(diào)配,本文只討論常規(guī)路線的算法.

3 飛機(jī)林火巡護(hù)路徑規(guī)劃算法

飛機(jī)偵察路徑規(guī)劃算法主要包括動(dòng)態(tài)規(guī)劃法[7]、 啟發(fā)式搜索算法[8]、 遺傳算法[2,9-11]和蟻群算法[3,12-13],在防火撲救中目前研究結(jié)果較少[14-15].

圖1 遺傳算法基本流程Fig.1 Basic flow of genetic algorithm

遺傳算法(genetic algorithm,GA)是一種模擬生物環(huán)境中遺傳和進(jìn)化過(guò)程的隨機(jī)化搜索優(yōu)化方法. 該算法的基本流程如圖1所示,先確定實(shí)際問(wèn)題的參數(shù)集； 對(duì)參數(shù)集進(jìn)行編碼； 然后以隨機(jī)生成的M個(gè)個(gè)體作為初始群體； 再對(duì)群體中的個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)； 對(duì)群體進(jìn)行選擇、 交叉、 變異運(yùn)算得到下一代群體； 當(dāng)?shù)螖?shù)到達(dá)初始設(shè)置的最大進(jìn)化代數(shù)時(shí),將進(jìn)化過(guò)程中所得到的最大適應(yīng)度個(gè)體作為最優(yōu)解輸出. 遺傳算法用生物進(jìn)化的思想,采用編碼技術(shù)和繁殖機(jī)制解決了復(fù)雜的搜索問(wèn)題. 它的特點(diǎn)是從問(wèn)題解的集合開(kāi)始搜索,同時(shí)處理群體中的多個(gè)個(gè)體,不用搜索空間的知識(shí)或其他輔助信息,其適應(yīng)度函數(shù)不受連續(xù)可微的約束,且適應(yīng)度函數(shù)的定義域可任意設(shè)定,這些特點(diǎn)都是傳統(tǒng)優(yōu)化方法所不具有的,因此遺傳算法適用于路徑規(guī)劃領(lǐng)域.

本文在目前航空任務(wù)路徑規(guī)劃研究成果的基礎(chǔ)上,采用改進(jìn)的遺傳算法進(jìn)行飛機(jī)林火巡護(hù)路徑的規(guī)劃,流程如下:

1) 路徑規(guī)劃問(wèn)題提出. 假設(shè)已從飛機(jī)巡護(hù)區(qū)域的資料中獲得n個(gè)目標(biāo)點(diǎn)集合:

A中各點(diǎn)均為監(jiān)測(cè)區(qū)域內(nèi)的監(jiān)測(cè)目標(biāo),且已去除瞭望塔覆蓋面積內(nèi)的目標(biāo). 另設(shè)aS為飛機(jī)出發(fā)地,aE為飛機(jī)的巡護(hù)終點(diǎn),aS和aE有可能為同一點(diǎn),也可以不同. 假設(shè)飛機(jī)一次的飛行航程為mmin,飛行速度為v,要求飛機(jī)在小于m的最短時(shí)間內(nèi)從aS點(diǎn)出發(fā)經(jīng)A或A中的一個(gè)子集到aE點(diǎn)降落,目標(biāo)是經(jīng)過(guò)的路徑對(duì)監(jiān)測(cè)目標(biāo)區(qū)域的覆蓋面積最大.

2) 解空間. 飛機(jī)林火巡護(hù)路徑規(guī)劃問(wèn)題的解空間就是從aS點(diǎn)出發(fā)經(jīng)A或A中的一個(gè)子集到aE點(diǎn)降落的所有組合路徑,解空間S可表示為

S={ξ1,ξ2,…,ξS}.

（2）

圖2 遺傳算法染色體編碼示意圖Fig.2 Chromosome coding of genetic algorithm

3) 編碼設(shè)計(jì). 給A中每個(gè)監(jiān)測(cè)目標(biāo)以1～n的自然數(shù)編碼,起點(diǎn)aS為0,終點(diǎn)aE為n+1,則一條染色體即是一條以0為起點(diǎn),以n+1為終點(diǎn),中間經(jīng)過(guò)m(1≤m≤n)個(gè)監(jiān)測(cè)目標(biāo)點(diǎn)的飛行路徑,即一個(gè)監(jiān)測(cè)目標(biāo)編碼序列. 如有5個(gè)監(jiān)測(cè)點(diǎn)分別是1,2,3,4,5, 則從0出發(fā),到6降落的一條染色體編碼為02456,如圖2所示.

4) 種群初始化. 初始種群為從0～(n+1)中隨機(jī)產(chǎn)生的u個(gè)隨機(jī)序列. 根據(jù)飛機(jī)轉(zhuǎn)彎半徑r和總里程的限制,先將u中轉(zhuǎn)彎半徑小于r的路線去除,得到一個(gè)較合理的初始種群.

5) 適應(yīng)度函數(shù). 適應(yīng)度函數(shù)是遺傳算法進(jìn)化的評(píng)價(jià)指標(biāo),飛機(jī)林火巡護(hù)路徑規(guī)劃為一個(gè)多目標(biāo)問(wèn)題,目標(biāo)函數(shù)為路徑總長(zhǎng)度與飛行速度v和飛行時(shí)間m的乘積比值最小,且路徑對(duì)監(jiān)測(cè)目標(biāo)區(qū)域的覆蓋率最大. 覆蓋率根據(jù)飛機(jī)的高度h、 航線計(jì)算可視域范圍和監(jiān)測(cè)目標(biāo)點(diǎn)集合的交集和所有監(jiān)測(cè)目標(biāo)點(diǎn)集合的比值確定. 目標(biāo)函數(shù)為

其中d為一條路徑中從目標(biāo)點(diǎn)n到n+1的路徑長(zhǎng)度. 采用權(quán)重方法將兩個(gè)目標(biāo)函數(shù)數(shù)值轉(zhuǎn)化為單目標(biāo)函數(shù)值作為適應(yīng)度函數(shù),公式為

其中w1和w2分別為兩個(gè)目標(biāo)函數(shù)的權(quán)重值,0≤w1,w2≤1,w1+w2=1,適應(yīng)度函數(shù)值f最大的路徑即為最優(yōu)路徑.

6) 選擇算子. 根據(jù)適應(yīng)度函數(shù)所計(jì)算的每條路徑適應(yīng)度值從大到小排序,將適應(yīng)度函數(shù)值最大的染色體直接復(fù)制到下一代,然后用輪盤(pán)賭的方法產(chǎn)生下一代種群中剩余的染色體, 適應(yīng)度函數(shù)值大的路徑被選為下一代種群的幾率更大.

7) 交叉算子. 將經(jīng)過(guò)選擇后的路徑進(jìn)行交叉操作,先在父代的基因位中確定幾個(gè)基因位,然后隨機(jī)選出兩個(gè)父代個(gè)體進(jìn)行基因交換,從而產(chǎn)生新的個(gè)體,如圖3所示.

8) 變異算子. 變異算子是根據(jù)一定的變異概率對(duì)染色體中的基因進(jìn)行突變,從而產(chǎn)生新的子染色體,如圖4所示.

圖3 染色體交叉算子示意圖Fig.3 Crossover operator of chromosome

圖4 染色體變異算子示意圖Fig.4 Mutation operator of chromosome

9) 終止設(shè)計(jì). 根據(jù)實(shí)現(xiàn)設(shè)定的迭代次數(shù)進(jìn)行判斷,若達(dá)到迭代次數(shù),則計(jì)算停止,選出當(dāng)前最優(yōu)適應(yīng)度函數(shù)值對(duì)應(yīng)的染色體為最優(yōu)解,即最優(yōu)路徑； 若未達(dá)到迭代次數(shù),則進(jìn)入下一個(gè)循環(huán)計(jì)算.

4 飛機(jī)林火巡護(hù)路徑規(guī)劃

本文根據(jù)以往飛行數(shù)據(jù),采用本文飛機(jī)巡護(hù)路徑算法的設(shè)計(jì),對(duì)北京市重點(diǎn)防火區(qū)域的飛機(jī)林火巡護(hù)路徑進(jìn)行規(guī)劃. 如圖5所示,北京市域范圍內(nèi)的19塊桔黃色區(qū)域?yàn)橹攸c(diǎn)防火區(qū)域. 由圖5可見(jiàn),重點(diǎn)防火區(qū)域集中在西部和北部山區(qū),路徑規(guī)劃的目標(biāo)是覆蓋19個(gè)目標(biāo)區(qū)域,行程小于原來(lái)的飛行距離600 km.

圖5 北京市重點(diǎn)防火區(qū)域Fig.5 Key fire prevention areas in Beijing

對(duì)每個(gè)監(jiān)測(cè)區(qū)域多邊形取內(nèi)點(diǎn),得到19個(gè)監(jiān)測(cè)目標(biāo)點(diǎn). 由于北京地面瞭望塔資源非常豐富,同時(shí)飛機(jī)巡護(hù)的可視范圍較大,所以在本文實(shí)例中飛機(jī)巡護(hù)作為與地面瞭望塔相互補(bǔ)充和印證的方法,不排除瞭望塔所能觀察范圍內(nèi)的監(jiān)測(cè)目標(biāo)點(diǎn). 監(jiān)測(cè)目標(biāo)確定后,還需確定飛機(jī)的起降點(diǎn),如圖6所示,森林防火飛機(jī)起降點(diǎn)共10個(gè),也集中在北部和西部,選取平谷大溶洞機(jī)場(chǎng)為起點(diǎn),房山燕山消防隊(duì)為終點(diǎn)進(jìn)行飛機(jī)林火巡護(hù)路徑的規(guī)劃. 圖7給出了起點(diǎn)、 終點(diǎn)及重點(diǎn)防火區(qū)域點(diǎn)間的位置關(guān)系. 實(shí)例中飛機(jī)以勻速185 km/h飛行,總時(shí)長(zhǎng)為4 h,即飛機(jī)的最大飛行里程為740 km,飛機(jī)飛行高度為3 km,可視半徑為35 km,目標(biāo)函數(shù)中的權(quán)重值w1=w2=0.5,參數(shù)列于表1.

圖6 北京市森林防火飛機(jī)起降點(diǎn)Fig.6 Aircraft landing points of forest fire prevention in Beijing

圖7 飛機(jī)起降點(diǎn)及監(jiān)測(cè)目標(biāo)的位置關(guān)系Fig.7 Spatial relationships between aircraft landing point and monitoring target

初始種群從解空間中隨機(jī)選取200個(gè)個(gè)體,交叉概率取0.8,變異概率取0.06. 終止條件設(shè)為限制進(jìn)化代數(shù),進(jìn)化代數(shù)設(shè)為300代. 進(jìn)化到50代時(shí),種群中的個(gè)體減少到121個(gè),到100代時(shí)個(gè)體減少到73個(gè),300代時(shí)剩下10個(gè)較優(yōu)解,結(jié)果列于表2.

表1 飛機(jī)林火巡護(hù)路徑規(guī)劃參數(shù)Table 1 Parameters of airline planning of forest fire monitoring

表2 飛機(jī)林火巡護(hù)路徑規(guī)劃結(jié)果Table 2 Result of airline planning of forest fire monitoring

圖8 飛機(jī)林火巡護(hù)路徑規(guī)劃結(jié)果Fig.8 Result of airline planning of forest fire monitoring

從10個(gè)較優(yōu)解中選出適應(yīng)值最大的一條為最優(yōu)航線,如圖8所示的路徑. 該路徑的編碼為0→8→9→12→13→3→2→6→14→1→17→19→20,路徑長(zhǎng)度為323.608 km,對(duì)目標(biāo)點(diǎn)的覆蓋率為100%,其適應(yīng)度函數(shù)值為0.824 3,與原路徑相比,路徑縮短了46.06%,且覆蓋了9個(gè)區(qū)縣的19個(gè)目標(biāo)及周邊區(qū)域,覆蓋面積達(dá)12 564.67 km2.

綜上所述,本文飛機(jī)林火巡護(hù)路徑規(guī)劃考慮了監(jiān)測(cè)目標(biāo)區(qū)域的地形地貌、 森林資源分布、 火災(zāi)發(fā)生規(guī)律和飛機(jī)性能等因素,利用遺傳算法進(jìn)行了路徑最優(yōu)解的求解. 求解的最佳路徑與原路徑相比,縮短了46.06%,且覆蓋了9個(gè)區(qū)縣的19個(gè)重點(diǎn)防火目標(biāo)及周邊區(qū)域.

[1]黃水生,唐小明,張煜星,等. 面向集成多監(jiān)測(cè)平臺(tái)的森林火災(zāi)監(jiān)測(cè)信息系統(tǒng)設(shè)計(jì) [J]. 林業(yè)資源管理,2009(5): 24-28. (HUANG Shuisheng,TANG Xiaoming,ZHANG Yuxing,et al. Multi-monitoring Platforms Integration Oriented Design on the Information System of Forest Fire Monitoring [J]. Forest Resources Management,2009(5): 24-28.)

[2]王英勛,陳宗基. 基于遺傳算法(GA)的具有約束的飛行軌跡規(guī)劃 [J]. 北京航空航天大學(xué)學(xué)報(bào),1999,25(3): 355-358. (WANG Yingxun,CHEN Zongji. Genetic Algorithms (GA) Based Flight Path Planning with Constraints [J]. Journal of Beijing University of Aeronautics and Astronautics,1999,25(3): 355-358.)

[3]白俊強(qiáng),柳長(zhǎng)安. 基于蟻群算法的無(wú)人機(jī)航路規(guī)劃 [J]. 飛行力學(xué),2005,23(2): 35-38. (BAI Junqiang,LIU Changan. Path Planning Based on the Ant Algorithm for a Reconnaissance UAV [J]. Flight Dynamics,2005,23(2): 35-38.)

[4]魯藝,周德云. 基于數(shù)學(xué)形態(tài)學(xué)的無(wú)人機(jī)航路規(guī)劃方法研究 [J]. 彈箭與制導(dǎo)學(xué)報(bào),2006,26(1): 677-680. (LU Yi,ZHOU Deyun. Study on Path Planning for UAV Based on Mathematical Morphology [J]. Journal of Projectiles,Rockets,Missiles and Guidance,2006,26(1): 677-680.)

[5]李開(kāi)達(dá). 對(duì)于航空護(hù)林航線的討論 [J]. 科技促進(jìn)發(fā)展,2011,4: 136. (LI Kaida. Discuss on Airline of Forest Protection [J]. Science & Technology for Development,2011,4: 136.)

[6]王留林,張濱. 淺談對(duì)航空護(hù)林調(diào)度工作的幾點(diǎn)認(rèn)識(shí) [J]. 森林防火,2010(1): 50-52. (WANG Liulin,ZHANG Bin. Opinions on Aviation Schedule of Forest Protection [J]. Forest Fire Prevention,2010(1): 50-52.)

[7]馬向玲,葉文,范洪達(dá). 低空突防航路規(guī)劃算法仿真研究 [J]. 系統(tǒng)仿真學(xué)報(bào),2004,16(3): 458-460. (MA Xiangling,YE Wen,FAN Hongda. Research of Computer Simulation on Route Planning of Low Altitude Penetration [J]. Journal of System Simulation,2004,16(3): 458-460.)

[8]史和生,張曉紅,梁鶴,等. 基于戰(zhàn)術(shù)數(shù)據(jù)鏈的多飛行器飛行航路協(xié)同規(guī)劃 [J]. 中國(guó)電子科學(xué)研究院學(xué)報(bào),2008,3(4): 415-420. (SHI Hesheng,ZHANG Xiaohong,LIANG He,et al. Coordinated Route Planning for Multiple Aircraft Based on Tactical Data Link [J]. Journal of CAEIT,2008,3(4): 415-420.)

[9]王校鋒,司守奎,孫璽菁. 基于無(wú)人機(jī)航路規(guī)劃的改進(jìn)遺傳算法研究 [C]//第25屆中國(guó)控制會(huì)議論文集. [出版地不詳]: IEEE Press,2006: 1431-1434. (WANG Xiaofeng,SI Shoukui,SUN Xijing. The Study of Improved Genetic Algorithm to Solve Flight Optimization Problem [C]//Proceedings of the 25th Chinese Control Conference. [S.l.]: IEEE Press,2006: 1431-1434.)

[10]左益宏,柳長(zhǎng)安,羅昌行,等. 多無(wú)人機(jī)監(jiān)控航路規(guī)劃 [J]. 飛行力學(xué),2004,22(3): 31-34. (ZUO Yihong,LIU Chang’an,LUO Changxing,et al. Path Planning for Surveillance of Multiple Unmanned Air Vehicles [J]. Flight Dynamics,2004,22(3): 31-34.)

[11]柳長(zhǎng)安,王和平,李為吉. 無(wú)人機(jī)的偵察航路規(guī)劃 [J]. 西北工業(yè)大學(xué)學(xué)報(bào),2003,21(4): 490-494. (LIU Chang’an,WANG Heping,LI Weiji. On Path Planning for More Efficient Reconnaissance of UAV [J]. Journal of Northwestern Polytechnical University,2003,21(4): 490-494.)

[12]SU Fei,LI Yuan,PENG Hui,et al. Multi-UCAV Cooperative Path Planning Using Improved Coevolutionary Multi-ant-colony Algorithm [J]. Lecture Notes in Computer Science,2009,5754: 834-845.

[13]Lim K,Ong Y S,Lim M,et al. Hybrid Ant Colony Algorithms for Path Planning in Sparse Graphs [J]. Soft Computing: A Fusion of Foundations,Methodologies and Applications,2008,12(10): 981-994.

[14]劉麗峰,張樹(shù)清,李新紅. 人工免疫算法路徑規(guī)劃在林火救援中的應(yīng)用 [J]. 吉林大學(xué)學(xué)報(bào): 信息科學(xué)版,2012,30(4): 433-439. (LIU Lifeng,ZHANG Shuqing,LI Xinhong. Application of Artificial Immune Algorithm in Forest Fire Rescue Path Planning [J]. Journal of Jilin University: Information Science Edition,2012,30(4): 433-439.)

[15]劉元寧,王剛,朱曉冬,等. 基于自適應(yīng)多種群遺傳算法的特征選擇 [J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版,2011,41(6): 1690-1693. (LIU Yuanning,WANG Gang,ZHU Xiaodong,et al. Feature Selection Based on Adaptive Multi-population Genetic Algorithm [J]. Journal of Jilin University: Engineering and Technology Edition,2011,41(6): 1690-1693.)

(責(zé)任編輯： 韓 嘯)

PlanningofAirbornePatrollingPathforForestFirePreventionBasedonGeneticAlgorithms

XIE Yangsheng,HUANG Shuisheng,LI Xingying,TANG Xiaoming
(ResearchInstituteofForestResourcesandInformationTechniques,
ChineseAcademyofForestry,Beijing100091,China)

A planning method based on genetic algorithms for forest fire airborne patrolling path was proposed after the factors,including landforms,distribution of forest resources,forest fire occurrence regulation,airborne platform’s performance,had been fully taken into account. The results of tested region show that the method can not only make the path shorter than the original path (46.06%) but also meet the requirements of covering the monitoring area.

forest fire prevention; airborne patrolling; genetic algorithm; path planning

2014-01-13.

謝陽(yáng)生(1975—),女,漢族,博士,從事GIS開(kāi)發(fā)與應(yīng)用的研究,E-mail: xieys@caf.ac.cn. 通信作者： 黃水生(1974—),男,漢族,博士,從事GIS開(kāi)發(fā)與應(yīng)用的研究,E-mail: huangss@caf.ac.cn.

中央公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)基金(批準(zhǔn)號(hào): IFRIT201102)和國(guó)家高技術(shù)研究發(fā)展計(jì)劃863項(xiàng)目基金(批準(zhǔn)號(hào): 2012AA102001).

TP393

A

1671-5489(2014)05-1001-06