1.一种基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，包括以下步骤：S1、根据各无人机的初始位置和各待喷洒农药目标点的位置，得到各无人机初始位置与各待喷洒农药目标点之间欧氏距离的代价矩阵；

S2、对染色体进行编码，得到子种群中每个染色体所对应多无人机多待喷洒农药目标点的农药喷洒任务分配方案，并初始化种群参数；

S3、根据代价矩阵，计算得到每个染色体的适应度；

S4、基于适应度，依次对每个子种群里面的染色体进行选择算子处理、交叉算子处理、变异算子处理以及局部搜索处理；

所述局部搜索处理，其具体为：

C1、基于变异算子处理结果，对每个子种群i每一代中的各染色体s，计算各染色体s与该子种群i中当前最优染色体bc之间的相似度；

C2、判断相似度是否小于等于n/2：若是，则利用增强2‑opt策略优化染色体中无人机的路径；否则，相似度大于n/2，则利用1‑opt策略优化染色体中每架无人机的路径，完成局部搜索处理，其中，n表示待喷洒农药目标点个数；

所述利用增强2‑opt策略优化染色体中无人机的路径，其具体为：D1、从染色体中随机选择无人机k对应的路径rk；

D2、从路径rk中选择第i'个位置点 到第i'+1位置点 之间的第一条边，其中，在第一次执行D2时，i'为1， 表示无人机k路径rk中第i'位置上待喷洒农药的目标点， 表示无人机k路径rk中第i'+1位置上待喷洒农药的目标点；

D3、选择第二条边 ，若

，则执行增强2‑opt

策略，即第一条边 和第二条边 被边 和

一一对应取代，并进入步骤D5；否则，进入步骤D4，其中， ，j'表示无人机路径中的位置索引， 和 分别表示无人机k路径rk中第j'位置和第j'+

1位置上待喷洒农药的目标点， 表示 和 之间的路径代价，表示 和 之间的路径代价， 表示 和 之

间的路径代价， 表示 和 之间的路径代价；

D4、令j'值为j'+1，并判断j'是否大于 ：若是，则进入步骤D5；否则，返回步骤D3，其中， 表示路径rk中包含待喷洒农药的目标点的个数；

D5、令i'值为i'+1，并判断i'是否小于 ：若是，则返回步骤D2；否则，结束流程，完成染色体中无人机路径的优化；

所述利用1‑opt策略优化染色体中每架无人机的路径，其具体为：E1、对于待喷洒农药目标点集合X，选择一待删除的待喷洒农药目标点xi，第一次选择待删除待喷洒农药目标点时i=1；

E2、针对待喷洒农药目标点xi位于无人机路径rk上的位置o处时，计算删除待喷洒农药目标点xi的移除代价：其中，Ri表示移除代价， 表示无人机k的初始位置点， 和 分别表示无人机k路径rk中第o‑1位置和第o+1位置上待喷洒农药的目标点， 表示和 之间的路径代价， 表示 和 之间的路径代价，

表示 和 之间的路径代价；

E3、将待删除的待喷洒农药目标点xi插入至无人机路径rh中的位置j'，并计算插入代价，保存至集合I中，其中，当j'=1时表示将待喷洒农药目标点xi插入到无人机 路径中第一个待喷洒农药目标点 之前，且对于每一个待喷洒农药目标点xi进行第一次插入时h=

1，所述插入代价 的表达式如下：

其中， 和 分别表示无人机h路径rh中第 位置和第 位置上待喷洒农药的目标点， 表示 和 之间的路径代价， 表示 和

之间的路径代价， 表示 和 之间的路径代价；

E4、令j'值为j'+1，并判断j'是否大于等于 ：若是，则进入步骤E5；否则，返回步骤E3，其中， 表示路径rh包含待喷洒农药目标点的个数；

E5、令h值为h+1，并判断h是否大于m：若是，则进入步骤E6；否则，令j'=1，并返回步骤E3，其中，m表示无人机的数量；

E6、根据下式，确定集合 中元素的最小值 ：

其中， 和 分别表示导致插入代价 最小时无人机的序号和该无人机路径上的插入位置；

E7、若 ，则将待喷洒农药目标点xi插入至无人机 路径 中的第 位置，并删除无人机路径rk中的待喷洒农药目标点xi；否则，不执行待喷洒农药目标点xi的移除和重新插入，并进入步骤E8；

E8、令i'值为i'+1，并判断i'是否小于等于n：若是，则返回步骤E1；否则，结束流程，完成染色体中无人机路径的优化，其中，n表示待喷洒农药目标点个数；

S5、基于S4的处理结果，利用每一次迭代中所有子种群中适应度最高的染色体覆盖各个子种群里面适应度最低的染色体，实现精英共享；

S6、判断是否达到了最大迭代次数T：若是，则基于步骤S5的精英共享输出当前全局最优染色体，并停止迭代，完成多无人机的任务分配；否则，返回步骤S3，且每个子种群保留由局部搜索和精英共享所得到的染色体。

2.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述S2包括以下步骤：S201、将m‑1个标记基因插入n个待喷洒农药目标点基因中，其中，m表示无人机的数量，且m大于1；

S202、将每个基因片段中的待喷洒农药目标点基因分配给一架无人机，且各基因序列对应无人机对各待喷洒农药目标点喷洒农药的先后顺序，得到子种群中每个染色体所对应多无人机多待喷洒农药目标点的农药喷洒任务分配方案；

S203、对子种群数量Nsub、各个子种群里面染色体的个数Np、最大迭代次数T、交叉概率Pc以及突变概率Pm进行初始化。

3.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述每个染色体的适应度的表达式如下：其中， 表示每个染色体的适应度，fij表示基于子种群i中每个染色体j所对应多无人机协同多待喷洒农药目标点农药喷洒任务分配问题的目标函数， ，，Nsub表示子种群数量，Np表示各个子种群里面染色体的个数，D表示m个无人机的编号集合，rk表示无人机k的路径，所述无人机k的路径内存储有按顺序进行农药喷洒的各个目标点， 表示分配给无人机k进行农药喷洒目标点所需的农药总量，pe表示惩罚因子， 表示无人机k按照路径rk进行喷洒农药所需的总操作时间，其包括无人机k的飞行时间和执行其所分配喷药任务所消耗的时间，利用代价矩阵内存储的两点之间距离代价得到无人机k的飞行时间，C表示无人机农药装载量，L表示无人机最大工作时间，max表示最大化运算操作。

4.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述选择算子处理，其具体为：对于每个子种群i中的染色体，基于适应度，利用锦标赛选择策略重复地从每个子种群i随机选择一定数量的染色体，并挑选最优染色体，直至所选择的染色体数量达到原始子种群的数量。

5.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述交叉算子处理，其具体为：A1、基于选择算子处理结果，对各子种群i中的每个父代染色体，随机生成gv；

A2、判断随机生成值gv是否小于交叉概率Pc：若是，则进入步骤A3；否则，该染色体不执行交叉操作，结束流程；

A3、随机生成两个交叉整数点cp1和cp2，并判断随机生成值gv是否小于Pc/2：若是，则逆转位于父代染色体上的cp1和cp2位置之间的基因片段，并保持位于父代染色体其余位置的基因片段不变，得到子代染色体，完成交叉算子的处理；否则， ，则逆转位于染色体起始位置和cp1位置之间，以及cp2位置到染色体末端之间的基因片段，交换逆转基因片段的位置，并保持位于父代染色体cp1位置和cp2位置之间的基因片段不变，得到子代染色体，完成交叉算子的处理。

6.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述变异算子处理，其具体为：B1、基于交叉算子处理结果，对各染色体随机生成gr；

B2、判断随机生成值gr是否小于突变概率Pm：若是，则对该染色体进行变异操作，并进入步骤B3；否则，结束流程；

B3、生成随机数rm，并判断rm是否小于等于0.5：若是，则对该染色体进行路径内变异操作，并进入步骤B4；否则，对该染色体执行路径间变异操作，并进入步骤B5；

B4、随机选择一条无人机路径，并从该路径中随机选择两个待喷洒农药目标点进行交换，完成变异算子的处理；

B5、随机选择两条无人机路径，分别从该两条无人机路径中随机选择一待喷洒农药目标点进行交换，完成变异算子的处理。