一种基于图感知与解驱动的无人机巡检线路优化方法

本发明属于低空经济领域，具体公开了一种基于图感知与解驱动的无人机巡检线路优化方法，应用于多机场、混合需求、多轮巡检场景下的无人机巡检调度优化。针对所提的复杂场景，在实际建模应用ALNS算法求解过程中，迭代次数过多求解时间过长的问题，采用深度强化学习方法训练图感知‑解驱动网络（Graph‑Aware Solution‑Triggered ‑ GAST），使用GAST获取动作策略，得到下一步迭代所需的修复破坏操作，从而取代ALNS中原有的轮盘赌操作。本发明所提的方法，在充分缩短计算时间的条件下，求得性能好的无人机巡检线路方法。