一、研究过程
1. 多UAV协同搜索路径规划，重点为失踪游客搜索问题→基于进化算法的协同搜索路径规划方法
2. 考虑人机协同搜索中的路径规划
3. 关键性质：“目标是否逃避搜索”
二、研究成果
1. 多UAV搜索失踪游客路径规划
目标：探测到目标的预期时间min，确认每架UAV的搜索路径
提出了一种协同优化方法→主进化算法+一种结合了NEH启发式算法和禁忌搜索算法的子算法
2. 搜索失踪游客的人机协同规划
目标：使搜救人员到达目标所在地并实施救援的预期时间min
提出了基于生物地理学优化算法BBO的进化算法
3.搜索逃犯的人机协同规划
目标：使预期捕获时间min
提出了一种混合进化算法，是用三种进化算子：综合学习算子、变异算子和局部搜索算子
前者针对“目标不逃避搜索”，后者针对“目标逃避搜索”
三、模型构造
1.搜索失踪游客多UAV协同路径规划→CMM算法
地形特征，根据目标初始位置、各区域的地形特征等信息，得到目标的先验概率
更详细的搜索模式可允许UAV以较低的高度、较慢的速度进行搜索
先验概率计算：涉及到的指数，地形适宜性指数，气候适宜性指数（天气条件和温度范围）
目标所在位置的先验概率可以根据目标在时间段内从初始位置移动到另一个子区域的可能性进行估计
任何时刻同一区域只有一架UAV，不同UAV探测到目标的事件可以看作是互斥的
NEH算法→构造UAV的初始搜索路径
禁忌算法→迭代地改进初始路径
2. 搜索失踪游客人机协同路径规划→BBO算法
先验概率→目标信息和环境特征来确定
后验概率→根据人工搜索队或UAV的搜索模式确定
人工搜索队搜索模式：详细搜索；只是经过该区域
Q：UAV搜索队搜索模式？
A：UAV以不同的飞行高度、飞行速度进行搜索，当飞行高度较低、飞行速度较慢时，发现目标的概率会较高；当飞行高度较高、飞行速度较快时，发现目标的概率较低
问题的目标：确定每个人工搜索队的搜索路线和每架UAV的搜索路线，使目标被人工搜索队找到并实施救援的期望时间最小化
目标被人工搜索队找到并实施救援的情况：目标直接被人工搜索队探测到并实施救援；目标首先被UAV探测，然后在一段时间后被最近的人工救援队救援
Q：期望时间选择的标准
目标被UAV发现后会停止移动，在原地等待人工救援队的到来
Q：如果UAV继续搜索的话，通信问题的保障
迁移算子核心：让迁入解从迁出解中学习其特征，使优质解的特征更有可能在种群中共享
在迁移算子中涉及到重复搜索子区域的问题→对于不同的群体，采用彼此先验概率与后验概率乘积与预计搜索时间的比值进行计算
局部迁移算子：利用贪婪算法产生一个潜在的优质解加入到种群中→加速算法的收敛
3. 搜索逃犯的人机协同路径规划→混合进化算法
先验概率→目标信息和环境特征来确定
后验概率→根据人工搜索队或UAV的搜索模式确定
问题的目标：确定每个人工搜索队的搜索路线和每架UAV的搜索路线，使目标被人工搜索队找到并实施抓捕的预期时间最小化
三、总结
该方法中主要集中于human与UAV之间的路径规划，可以将human理解为速度较慢的UAV，该问题可以转换为多UAV路径规划问题
但是在通信方面并没有详细介绍，这个方面可以进行研究
除此之外，还有将这种human-UAV协作的方式应用于应急救援中，也就是“目标不逃避搜索”的问题