【无人机配送】基于帕累托遗传蚁群优化（PGA）算法在支持ISAC的CAT-M1物联网传感器网络中的多无人机路径规划 无人机能耗、飞行距离、覆盖范围及资源分配，系统吞吐量最高可达95%附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
一、研究背景与核心痛点
随着即时物流与低空智慧配送产业的快速落地，多无人机协同配送已经成为偏远山区、海岛等地面交通难以覆盖区域的核心物流解决方案。传统多无人机配送路径规划大多仅以飞行距离最短为单一优化目标，完全忽略了配送场景下物联网感知、通信传输与配送作业的深度协同需求，难以适配集成感知与通信（ISAC）功能的新一代CAT-M1物联网传感器网络的复杂作业要求。CAT-M1作为面向低功耗广域物联网的专用通信标准，具备广覆盖、低功耗、支持高速移动接入的核心特性，是偏远区域大规模部署物联网传感器网络的首选技术。在支持ISAC的CAT-M1网络中，配送无人机不仅要完成包裹配送任务，还需要同步承担沿途传感器节点的数据采集、通信中继与网络覆盖补盲的复合功能，传统路径规划算法无法同时兼顾无人机能耗、飞行距离、网络覆盖范围、通信资源分配等多个相互冲突的优化目标，极易出现单目标最优但全局综合性能极差的问题。本研究提出帕累托遗传蚁群优化（PGA）算法，将遗传算法的全局快速搜索能力与蚁群算法的正反馈收敛优势深度融合，求解多目标帕累托最优解集，最终实现多无人机配送系统的全局综合性能最优，系统吞吐量最高可达95%。
二、系统模型与多目标优化框架构建
本研究构建的ISAC赋能CAT-M1多无人机配送系统，由K架配送无人机、M个待配送包裹节点、N个CAT-M1物联网传感器节点组成，所有无人机均搭载ISAC一体化载荷，在飞行过程中可同步完成三类任务：一是完成指定包裹的点对点配送，二是通过ISAC感知功能采集沿途CAT-M1传感器节点的环境监测数据，三是作为移动通信中继为地面传感器提供上行数据传输服务，补盲地面基站覆盖盲区。系统的优化目标设置为四个相互耦合的核心维度，四个目标之间存在天然的冲突关系：缩短飞行距离会压缩无人机在传感器节点上方的驻留时间，导致网络覆盖范围与系统吞吐量下降；提升覆盖范围会增加无人机的绕行距离，推高无人机的能耗，无法通过传统单目标加权方法得到全局最优解。四个优化目标的数学定义如下：
三、帕累托遗传蚁群优化（PGA）算法核心实现
本研究提出的PGA算法将遗传算法的全局种群多样性优势与蚁群算法的正反馈快速收敛特性深度融合，专门针对该多目标路径规划场景优化，算法整体分为两个协同迭代阶段：第一阶段为遗传算法全局粗搜索阶段：采用整数编码方式将每架无人机的配送路径编码为染色体，以配送节点的排列顺序作为基因，通过选择、交叉、变异操作快速生成覆盖整个解空间的初始路径种群，将种群中非支配解筛选出来存入外部帕累托解集档案，在短时间内完成全局大范围搜索，避免传统蚁群算法容易陷入局部最优的缺陷。第二阶段为蚁群算法精细收敛阶段：将第一阶段遗传算法得到的优质非支配解转化为蚁群算法的初始信息素分布，引导蚁群在优质解的邻域内做精细搜索，在蚁群的状态转移规则中同时融合四个优化目标的启发式信息，每轮迭代完成后更新信息素矩阵，将新生成的非支配解补充到外部帕累托档案中，同时引入拥挤度排序机制维护外部档案的多样性，避免解集出现局部聚集问题。算法迭代终止后，最终得到一组分布均匀的帕累托最优路径解集，运营方可根据当日的实际作业需求灵活选择最优方案：当物流配送任务优先级最高时，选择总飞行距离最短的路径方案；当物联网数据采集任务优先级最高时，选择覆盖范围与吞吐量最大的路径方案，完美适配不同场景下的动态作业需求。针对CAT-M1网络的通信资源分配环节，算法在路径规划的同步完成动态资源调度：无人机在传感器节点上方驻留时，根据节点的剩余数据量动态分配不同时长的上行通信时隙，在总带宽约束下最大化系统总吞吐量，最终实现最高95%的系统吞吐量，远高于传统固定时隙分配方案的72%吞吐量。
⛳️ 运行结果
📣 部分代码
function [nextNode] = ruleta(P)
%Choose a node based on probability.
%Calculation of the cumulative sum of P
cumsumP = cumsum(P);
%Random number
r = rand();
%We look for the node that meets:
nextNode = find( r <= cumsumP);
%We are left with the first
nextNode = nextNode(1);
end
🔗 参考文献
**“Multi-UAV path planning utilizing the PGA algorithm for terrestrial IoT sensor network under ISAC framework”**
Authors: **Rahman Md Azadur, Chaitali J. Pawase, Kyung Hi Chang**
Published in *ETT (Transactions on Emerging Telecommunications Technologies)*
DOI: [https://doi.org/10.1002/ett.4916](https://doi.org/10.1002/ett.4916)
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心