1.一种多无人机森林火灾巡检任务分配方法，其特征在于，包括如下步骤：步骤1. 基于森林火灾区域地理数据与火情信息，构建多无人机协同巡检任务分配模型，模型以总巡检距离最小化和无人机负载差异最小化为双目标函数；

步骤2. 进行灰狼个体编码，对于Nt个巡检任务，将Nu架无人机的巡检路径编码为一条任务序列，并生成Nu－1个介于[1, Nt]之间的随机整数作为任务序列的断点；

步骤3. 针对灰狼个体编码，随机生成多组不同的灰狼个体；通过计算每个灰狼个体的双目标函数值，用非支配排序选出当前较优的路径方案，存入初始精英存档；并设置动态切换因子a∈[0,1]控制灰狼个体的更新策略；

步骤4. 在精英存档中根据灰狼个体的拥挤程度找出拥挤度最低的三头狼作为领导者狼；根据a的当前值选择灰狼种群迭代策略：对每个灰狼个体，首先生成随机数r∈[0,1]；当r≤a时则执行基于个体内部的离散化操作；当r>a时则执行群体协作的交叉操作；

步骤5. 对每个灰狼个体执行“移除‑插入”操作，利用距离矩阵计算相邻任务点之间的距离，移除距离最大的任务点并将其插入到与其较近的任务点附近；

步骤6. 更新精英存档；判断是否达到最大迭代次数；如果否，则返回步骤4，否则输出精英存档中的最优解集作为最终的多无人机巡检任务分配方案。

2.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤1中，在多无人机协同巡检任务分配模型中引入地图等级代价函数和无人机绕飞地形的距离代价函数，其中模型构建过程包括：首先对森林地图进行数字化处理，包括地形高度、巡检任务点位置和无人机机巢位置；

然后建立多无人机任务分配的双目标数学模型，包括目标函数和约束条件；

目标函数为：

(1)

(2)

(3)

式中， 表示总巡检距离， 表示无人机负载差异，Xij 为二元变量，Xij=1表示无人机将会从任务点Ti飞向任务点Tj，否则，Xij=0；Cij表示任务点Ti和Tj之间的距离代价；Ts为无人机任务序列的等级评价得分即地图等级代价；mk为第k个无人机的任务负载数量；Nt/Nu表示每个无人机的理想平均任务负载数量；Tc表示无人机绕飞地形的距离代价；dij表示任务点Ti和Tj之间的欧几里得距离；(xi, yi, zi) 和 (xj, yj, zj) 分别为任务点Ti和Tj的三维坐标；

约束条件为：

(4)

(5)

(6)

公式(4)表示每个任务点Ti的出度为1，代表每个任务点仅能连接一个后续任务点；公式(5)表示每个任务点Ti的入度为1，代表每个任务点仅允许被一个前置任务点连接；公式(6)表示起点T0的入度和出度都为Nu，代表每架无人机都应从起点出发并最终返回起点。

3.根据权利要求2中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤1中，地图等级代价Ts的计算方式如下：

假设机巢位置在地图中心，将巡检区域以预先设定的间距划分为多个同心方形网格，地图等级由内到外递增；要求无人机的巡检序列在地图等级上呈现“低‑高‑低”模式；若路径等级跳变不符合该“低‑高‑低”模式，则增加惩罚代价，如公式(7)所示：(7)

式中，Trank为每架无人机任务序列对应的实际地图等级序列；Irank为每架无人机理想的地图等级序列；sum|Trank－Irank|表示实际地图等级与理想地图等级差值序列的加和；

同时，计算任务点之间的距离时，若两个任务点之间有山峰阻挡，无人机绕飞额外距离；假设任务点T1和T2位于一座山峰的两侧，在T1和T2连线上通过线性插值插入均匀分布的pn个路径点Ipi，i=1, 2, ..., n；计算每个路径点高度与地形高度的差值ΔHi，公式如下：；

式中，(xi, yi, zi)表示路径点Ipi的三维坐标；terrain(xi, yi)表示坐标(xi, yi)对应的地形高度值；

则无人机绕飞代价Tc用公式(8)表示：

  (8)

将任务点之间的山峰高度转化为无人机绕飞山体的额外距离代价。

4.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤3中，非支配排序方法的更新策略的具体描述为：

在多目标优化问题中，不同解之间的支配关系被描述为：

对于种群中任意两个解xa和xb，若xa在所有目标函数中的值都不差于xb，即，fi(xa) ≤ fi(xb)；且xa在至少一个目标中严格优于xb，即 ，fj(xa) < fj(xb)；则称xa支配xb；

将种群中所有解按支配关系划分为多个前沿层，其中第1层为未被任何解支配的非支配解集合称为帕累托前沿；优先选择第1层解加入精英存档，若第1层解数量超过存档容量上限，则基于解的拥挤度距离进一步筛选，保留目标空间中分布稀疏的解以维持多样性；

动态切换因子a的计算方式如公式(9)所示：

(9)

式中，iter表示当前算法迭代次数；itermax表示算法迭代次数的最大值。

5.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤4中，使用网格机制计算精英存档中的灰狼种群拥挤度；

首先找出非支配解在每个目标函数的最大值max和最小值min；然后在每个目标函数维度上对区间[min，max]进行N等分，将所有灰狼个体分割在不同网格；对每一个网格，计算网格中解的数量，并将该数量作为网格中每个解的拥挤度；每个网格中解的个数越多，则对应解的拥挤度越大。

6.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤4中，当r≤a时则执行基于个体内部的离散化操作，包括交换、移位以及翻转；

基于轮盘赌的方式选择具体的离散操作；

当灰狼个体完成更新后，个体离散化操作会到导致每架无人机的巡检子序列任务数量发生变化；因此无人机断点位置需要对应更新，即首先确定出无人机最长的巡检子序列任务两端的断点位置；然后将左端断点右移或右端断点左移来平衡各无人机的巡检任务数量；

当r>a时则执行群体协作的交叉操作，将灰狼个体与随机领导者狼执行交叉操作；领导者狼的选择基于预设的概率参数Pα、Pβ和Pδ；

在群体协作的交叉操作中，会导致更新后的灰狼个体出现任务点的重复；需要执行相应的个体修复操作，个体修复操作如下：首先在灰狼个体中确定重复的巡检任务序号，并找出缺失的巡检任务序号；然后将缺失的任务序号随机替换为重复任务序号。

7.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤5中，对灰狼个体执行的“移除‑插入”操作描述如下：首先构建一个距离矩阵Dist，矩阵维度为 Nt×Nt，矩阵存储了任务点之间的距离；

然后计算当前灰狼个体相邻任务点之间的距离，挑选出相邻距离最大的任务点A将其移除；在距离矩阵Dist中查找与该任务点距离最小的任务点B，将任务点A分别插入到任务点B的前后位置，并对应更新断点位置；分别计算两次插入后灰狼个体的目标函数值，选择目标函数值最小的灰狼个体作为新的灰狼个体，完成更新。

8.根据权利要求1中所述的多无人机森林火灾巡检任务分配方法，其特征在于：所述步骤6中，更新操作完成后，重新评估所有路径的双目标函数值，更新精英存档；若存档已满，则通过非支配排序和拥挤度计算操作剔除受支配或过于拥挤的个体；

当精英存档达到存储上限，新加入的非支配解会与档案中的解进行比较；如果一个新的解被至少一个存档中的解支配，那么这个新的解就不能够进入存档；如果一个新的解支配了存档中的一个或多个解，那么必须剔除被支配的解，新的解就能够进入存档；如果新的解和存档中的解互不支配，则运行网格机制删除拥挤解，将新的解存入存档。

9.一种计算机设备，包括存储器和一个或多个处理器；在存储器中存储有可执行代码；

其特征在于，当处理器执行可执行代码时，用于实现上述权利要求1至8中任一项所述的多无人机森林火灾巡检任务分配方法的步骤。

10.一种计算机可读存储介质，其上存储有程序；其特征在于，该程序被处理器执行时，用于实现上述权利要求1至8任一项所述的多无人机森林火灾巡检任务分配方法的步骤。