This master's thesis investigates using integer programming to enhance decision-making in search and rescue (SAR) operations involving unmanned aerial vehicles (UAVs). In these operations, a set of UAVs is tasked with searching for and escorting missing persons to a predetermined base. The thesis focuses on supporting the mission commander’s decision-making process by solving their decision problem as an integer program that determines UAV movements based on position, travel distance, and situational awareness.

Two integer programming models are developed: one for locating missing persons and one for escorting them. Both models utilize a probability-based grid (probability map) to estimate the likelihood of a person being in a given location. These probabilities are critical to the objective functions and drive decision-making. The models are flexible regarding planning horizons.

To prioritize between locating and escorting, two approaches are evaluated:

1. All persons are located before any escorting begins.   

2. Persons are escorted immediately when located.

Simulations were conducted to compare these approaches and the models' performance with varying UAV numbers and planning horizons. Results show that both models outperform the baseline creeping-line process with faster person localization and escort. Longer planning horizons reduced mission duration, and the immediate escorting approach was preferred. Additional simulations examined the impact of detection inaccuracies and person movement errors, showing that the models were robust to movement errors. However, significant detection inaccuracies caused performance to converge with the baseline. Integrating even small amounts of real-world data into the probability map significantly improved performance, highlighting the importance of accurate probability estimates.

In conclusion, the developed models and suggested approaches show promise as decision-support tools in SAR operations, with the potential for further performance improvements through refined probability maps.

Med hjälp av obemannade luftfarkoster (UAV) kan insatsledare i sök- och räddningsoperationer (SAR) söka efter och eskortera saknade personer. Fokus i uppsatsen är att stödja och förbättra beslutsprocessen där UAV-rörelser bestäms utifrån position, förflyttningsavstånd och situationsmedvetenhet. Genom att använda heltalsprogrammering kan problemet lösas som ett heltalsoptimeringsproblem.

I arbetet har två heltalsprogrammeringsmodeller utvecklats: en för att lokalisera saknade personer och en för att eskortera dem. En central del i modellerna är en karta över sökområdet i form av ett rutnät. Kartan åskådliggör sannolikheten för att en person befinner sig i ett viss område.  

För att prioritera mellan sökande eller eskortering utvärderades två olika tillvägagångssätt  

1. Alla personer lokaliseras innan eskortering påbörjas.   

2. Personer eskorteras omedelbart när de lokaliseras.

För jämföra tillvägagångssätten och utvärdera modellernas prestanda genomfördes ett antal simuleringar, där antalet UAVs och planeringshorisonten varierades. För att validera resultaten för de framtagna modellerna jämfördes de med en "creeping-line"-metoden. Resultaten påvisar att modellerna leder till snabbare lokalisering och eskortering av personer, där längre planeringshorisonter minskade uppdragstiden. Det är även att föredra att eskortera personer omedelbart.

För ytterligare förståelse genomfördes simuleringar där dels konsekvenserna av felaktiga detektionssannolikheter undersöktes, dels konsekvensen av att lokaliserade personer rör sig från området där de upptäckts. vad gäller att hantera personer som rör sig från området där de upptäckts presterade modellerna bättre än 'creeping-line'-metoden. Däremot ledde betydande fel i detektionssannolikhet till likvärdiga resultat för modellerna och 'creeping-line'-metoden. Det är av stor vikt att sannolikheterna i kartan är så korrekta som möjligt. Ett genomfört experiment där verklig data integrerades i sannolikhetskartan påvisade att modellernas prestanda förbättrades avsevärt. Detta gällde redan för små mängder verklig data.   

Sammanfattningsvis visar de utvecklade modellerna och föreslagna tillvägagångssätten stor potential som beslutsstöd i SAR-operationer, med ytterligare förbättringspotential genom bättre uppskattningar i sannolikhetskartan.