# =============================================================================

# UAVSearch 完整配置 — 修改此文件即可运行，无需 CLI 参数

# =============================================================================
# -----------------------------------------------------------------------------
# [problem] 问题定义
# -----------------------------------------------------------------------------
[problem]
width = 1000.0              # 空域宽度 (m)
height = 800.0              # 空域高度 (m)
uavs = 7                    # UAV 数量
radius = 50.0               # 传感器半径 (m)
speed = 15.0                # 飞行速度 (m/s)
depot_service = 60.0        # 站内换电/服务时间 (s)
seed = 64                   # 随机种子（基线部署与优化器）
# 分区模式
#   workload — 栅格最近站点划分（推荐，优化平滑）
#   lloyd    — Lloyd 松弛栅格划分
#   voronoi  — 站点 Voronoi 图
#   uniform  — 等面积条带（legacy，配 boustrophedon 常用）
partition = "voronoi"
# 路径规划器
#   mtsp          — 栅格航点 + TSP 闭环（推荐）
#   boustrophedon — 牛耕/条带扫描
planner = "mtsp"
# 仿真指标栅格密度（见下方说明，不直接控制路径航点密度）
#   仿真栅格边长 cell_size = radius / grid_density
#   越大 → 栅格越细 → T_max/覆盖率/重叠率估计越准，但仿真更慢
#   推荐：mtsp 用 4~6；boustrophedon 用 3~5（路径已是条带，无需过细）
grid_density = 6.0
# uniform 分区条带方向；也影响 boustrophedon 扫描轴（auto 时 vertical→水平扫描）
#   auto | vertical | horizontal
strip_direction = "auto"
# Lloyd 分区迭代次数（仅 partition = "lloyd" 时生效）
lloyd_iterations = 6
# 仿真时间步长 (s)
sim_dt = 0.5
# 站点搜索边界内缩比例（相对空域宽/高）
bounds_margin = 0.05
# -----------------------------------------------------------------------------
# [planner.boustrophedon] 牛耕规划器（planner = "boustrophedon" 时生效）
# -----------------------------------------------------------------------------
# 条带间距 = sweep_width_ratio × radius
#   默认 2.0 → 条带间距 = 2r，与传感器直径一致，保证无漏覆盖
#   调小（如 1.6）→ 条带更密、路径更长、覆盖冗余更大
#   调大（如 2.2）→ 条带更疏，可能出现漏覆盖
[planner.boustrophedon]
sweep_width_ratio = 2.0
# 扫描轴：x = 水平扫描线（条带沿 Y 堆叠）；y = 垂直扫描线
#   auto — 由 strip_direction 推断（vertical→x，horizontal→y）
sweep_axis = "auto"
# -----------------------------------------------------------------------------
# [planner.mtsp] mTSP 规划器（planner = "mtsp" 时生效）
# -----------------------------------------------------------------------------
# 航点间距 = waypoint_spacing_factor × radius
#   默认 √2 ≈ 1.414 → 栅格对角线间距，相邻航点传感器圆相交无漏
#   调小 → 航点更密、路径更长；调大 → 航点更疏，可能漏覆盖
[planner.mtsp]
waypoint_spacing_factor = 1.0
# -----------------------------------------------------------------------------
# [simulation] 仿真
# -----------------------------------------------------------------------------
[simulation]
duration = 200.0                    # 基线/最终报告仿真时长 (s)
opt_duration = 100.0                  # 优化搜索阶段每次评估的仿真时长 (s)
fast_eval_max_duration = 100.0      # fast_eval 仿真时长上限 (s)
fast_eval_grid_density_cap = 3.0      # fast_eval 时 grid_density 上限
show_progress = true                  # 是否显示 tqdm 进度条
# -----------------------------------------------------------------------------
# [objective] 优化目标
# -----------------------------------------------------------------------------
# 复合目标 J = weight_t_max × T* + weight_coverage × (1-覆盖率) + weight_overlap × 重叠率
#   T* = T_max（primary = max_revisit）或 P_max（primary = max_patrol_period）
[objective]
primary = "max_revisit"             # max_revisit | max_patrol_period
weight_t_max = 1.0
weight_coverage = 220.0
weight_overlap = 100.0
# -----------------------------------------------------------------------------
# [optimizer] 优化器（当前使用 method 指定的那一组）
# -----------------------------------------------------------------------------
[optimizer]
method = "mapso"                    # differential_evolution | local | hybrid | mapso
maxiter = 5                         # DE/MAPSO 最大代数；hybrid 时 DE 用 maxiter//2
popsize = 8                         # 种群规模
verbose = true                      # 打印每次评估日志
min_separation_ratio = 0.5          # 站点最小间距 = ratio × radius
# MAPSO（method = "mapso" 时生效）
[optimizer.mapso]
w = 0.729
c1 = 1.494
c2 = 1.494
vmax_ratio = 0.2
# 差分进化（method = differential_evolution 或 hybrid 的第一阶段）
[optimizer.differential_evolution]
tol = 0.05
atol = 0.05
polish = false
# 局部精修 L-BFGS-B（method = local 或 hybrid 的第二阶段）
[optimizer.local]
maxiter = 40
# -----------------------------------------------------------------------------
# [run] 运行
# -----------------------------------------------------------------------------
[run]
optimize = true
save = "output/dashboard.png"
show = true