mission-planning-optimization:具有整数编程，分支和界线以及修订的单纯形的TSP奖品收集

任务计划优化 博洛尼亚大学的组合决策与优化课程（人工智能硕士学位）的一个项目，通过实施分支定界和修正的单纯形算法解决了与领奖TSP类似的问题。 目录 安装 在python3.6和python3.8上测试。 python3 -m pip install numpy matplotlib 用法 主类可以在mission_optimizer.py中找到，它需要有关地图和座席（无人机）的一些信息，特别是它需要： 所有障碍物的坐标 起始位置的坐标 所有目标的坐标 每个目标的回报和困难 收集尽可能多的积分的最大时间 最大可用能量（暂时可选，在方法“ __compute_energy_matrix__”中更改系数） 所有这些参数都应写入json文件中，如“ main.py”中所示。 为了更改约束，需要在“ mission_optimizer.py”中的方法“ create_A_b”上进行操作。