近日，数学与信息学院、软件学院和国家精准农业航空施药技术国际联合研究中心张建桃团队联合华南理工大学、香港理工大学，在交通运输与物流管理领域国际知名期刊Transportation Research Part E: Logistics and Transportation Review（中科院一区TOP期刊，影响因子9.3）在线发表题为“Multi-objective optimization of truck-drone collaborative forestry monitoring”的高水平研究论文。
森林资源监测是病虫害防控、林火预警、生态资源评估的重要基础。传统人工监测存在覆盖有限、周期长、重复作业等短板；无人机具备机动灵活、分辨率高的优势，但受续航、通信距离制约，难以独立完成大范围林区巡检。利用卡车搭载无人机沿路网机动，可以有效拓展无人机的作业范围，然而实际作业中区域划分、停靠点选址、无人机航迹、卡车行驶路线互相深度耦合，分开规划极易出现方案不匹配、资源利用率低下的问题。
针对上述行业痛点，研究团队创新构建卡车-无人机协同大规模林业监测多目标优化模型，同时达成最大化监测覆盖率、最小化总作业时间的双重优化目标，将路网可达性约束、停靠点组合优选、子监测区域划分、地空协同全链路调度纳入统一优化体系。研究前期先将监测区域转换为投影坐标系下的网格化单元，结合遥感影像与实地调研数据剔除村庄、农田、水域等非监测区域，从源头削减无效计算量。
在求解算法层面，团队自主设计基于固定-优化（Fix‑and‑Optimize，FO）的迭代分解框架，将高度耦合的复杂NP-hard问题拆解为两个互补子问题交替求解：固定子区域划分时，通过聚类采样、变邻域搜索完成卡车停靠点的组合优选；固定停靠点后，识别孤立监测区块并完成局部重分配，再通过遗传算法优化无人机犁地式覆盖路径的航向角。同时团队搭建帕累托解集维护与并行评估机制，实现初始种子批量评估、子区域内航迹-覆盖-能耗同步仿真、迭代周期内独立子任务并行求解，大幅提升了大规模林区场景的计算效率。
图1 卡车-无人机协同林业监测及算法总体框架
图2 不同无人机作业架次下的覆盖率—作业时间帕累托前沿
该研究突破了传统规划模型预设停靠点、分区与航迹规划相互割裂的局限，首次在路网通行约束下实现子区域划分、停靠点选址、无人机覆盖路径、卡车地面调度的全链路协同优化，相关方法可快速拓展应用于林火巡查、灾害应急巡检、大范围生态资源调查等更多低空作业场景。
学校为论文第一署名单位，数学与信息学院、软件学院张建桃教授为论文第一作者，2023级硕士生林濠盛为第二作者，华南理工大学巫威眺副教授为论文通讯作者，香港理工大学顾卫华副教授参与了研究工作。该研究得到广东省基础与应用研究基金和国家自然科学基金等项目资助。
相关论文链接：https://www.sciencedirect.com/science/article/pii/S1366554526005296
文图/数学与信息学院、软件学院
