MODDPG–NSGA2双层架构：面向动态场景的物流无人机多目标优化方法

摘要

为有效解决物流无人机货物运输中路径长度、时效达标率、能耗及多约束条件下的多目标优化难题，针对传统NSGA2算法在动态场景中缺乏“环境变化感知–约束动态整合–策略实时调整”闭环能力的问题，提出MODDPG–NSGA2(Multi objective deep deterministic policy gradient–non-dominated sorting genetic algorithm)双层架构算法.上层NSGA2算法采用改进的非支配排序策略，结合精英保留机制构建多目标优化模型，生成覆盖路径长度、时效达标率与能耗的全局初始帕累托最优解集.下层MODDPG算法实时感知动态环境订单、负载均衡等状态信息，通过深度神经网络逼近状态–动作价值函数，根据环境变化动态调整路径策略，实现局部动态环境的重规划.双层架构的深度交互协同机制有效解决了全局失衡与局部短视的问题.实验表明，相较于单一SGA2算法，MODDPG–NSGA2在突发场景中的任务时效达标率提升20.86%、配送路径长度减少21.90%、能耗降低21.90%，在多目标任务中协同效果显著.为验证实验的鲁棒性，引入5种经典的多目标优化算法进一步对比，结果显示本文所提算法在路径和能耗优化上优于基准算法均值30%以上，跨模态优化能力更优，对提升复杂城市环境中物流无人机运输效率、降低成本及增强多目标动态环境适应性具有重要意义，为动态复杂系统中多目标优化算法的应用提供了新思路.

关键词

MODDPG–NSGA2算法 / 多目标优化 / 物流无人机 / 路径规划 / 双层协同架构

基金资助

国家社会科学基金资助项目（22&ZD169）; 国家自然科学基金民航联合基金资助项目（U2133207）