本发明专利技术公开了一种资源限制条件下多类型无人机协同任务分配方法，首先初始化环境信息，并根据环境模型建立初始概率矩阵，然后根据初始概率矩阵生成一定数量的随机样本,并根据约束条件删除无效样本,继而根据目标函数求出有效样本的目标函数值,之后按样本目标函数值由大到小排列，取一定比例的排在前边的样本更新概率矩阵，给出了具体的资源限制条件下基于交叉熵方法的多类型无人机任务分配求解算法。本发明专利技术能够更好地解决资源限制条件下的多类型无人机任务分配问题，使得无人机或无人机组以更高的收益完成任务。本发明专利技术应用于资源限制条件下多类型无人机任务分配。
【技术实现步骤摘要】
-种资源限制条件下基于交叉熵方法的多类型无人机协同任务分配方法，应用于 在任务额无人机资源存在限制的情况下，多无人机协同完成处于不同位置、不同价值、不同 威胁程度的目标任务等领域，具体涉及基于资源限制的任务分配的环境建模以及通过使用 交叉熵方法达到无人机机群整体作战效能最大、代价最小的目的的技术。
技术介绍
无人机隐秘性高、误差小、执行力强，在执行过程中效率高、成本低，可用来替代战 士完成一些对生命威胁较大的任务，同时在战场侦察和监视、定位校射、毁伤评估等军事用 途，诸如边境巡逻、环境探测、航拍摄影、勘探资源、灾情监视、治安监控、物流运输等民事用 途都有广泛的应用，成为近年来热点研究问题。多无人机协同控制技术主要包括多无人机 协同路径规划和多无人机协同任务分配两方面。多无人机协同任务分配即是在特定条件的 约束下，以尽可能小的代价将各项作战任务分配给多无人机系统中的各无人机去完成，并 获得尽可能高的回报。在复杂的战场环境下，单个无人机往往无法完成一些复杂的任务或 者付出的代价太大。为了实现多无人机协同完成复杂任务，多无人机协同任务分配和任务 协调是研究多无人机系统中的关键技术。 任务分配问题属于非确定性多项式时间（NP，Nondeterministic Polynomial)问 题，其求解方法有穷举方法，模拟退火法，禁忌搜索和遗传算法等。计算代价大是NP问题的 难点，对于多数的问题实时性难以保证。 考虑到无人机无法携带无限多的战斗设备资源（如军需品、战斗中所必须的导 弹、燃料等）的实际情况，通过预先对无人机所携带的资源进行数量的限制来表示。同时， 由于科学技术的限制，无人机的种类有限，根据需要对无人机的种类进行限制，各类无人机 战斗力不同，侦查能力不同，各类无人机所能携带资源的能力不同。由于单无人机性能单 一，负载量有限，存在单架无人机不能准确完成任务的情况，而综合多无人机的机群存在多 种能够完成固定任务的方案，如何确定有效的分配方案，有效的利用整个飞行器机组的团 队容量和能力，高效的任务分配方法的研究是整个协同控制的主要内容。
技术实现思路
本专利技术针对资源限制条件下多无人机任务分配问题提供了一种基于交叉熵方法 的多类型无人机协同任务分配方法，解决现有多无人机分配任务过程中资源限制的难点， 如完成某项任务需要不同种类的资源，且每种资源数量的需求不同。 为解决上述技术问题，本专利技术采用以下技术方案： -种资源限制条件下基于交叉熵方法的多类型无人机协同任务分配方法，其包括 如下步骤： (1)对无人机飞行环境进行分析，设置无人机、任务相关参数； (2)按要求计算可行方案的数目，初始化交叉熵概率分配矩阵； (3)随机生成一定数量的样本，对其进行去除无效样本、计算样本对应目标函数 值、将样本按目标函数值降序排列、取一定比例排序后的样本更新概率矩阵，如此重复，直 至满足结束条件，并根据结果为任务分配相应的无人机。 作为优选，所述步骤（1)中，无人机、任务相关参数设置过程如下： (11)根据环境需求，设置相关参数，主要包括：任务个数Tn，任务危险等级^和 完成任务获益B1, i = 1，2，···，Tn，任务所需资源种类Sk及任务对每种资源的需求TS1 = (S1, S2，…，Sk); (12)设置无人机相关参数，主要包括：无人机种类队及其数量N ,，j = 1，2,…，队， 即= %，·"，&)和其携带相应资源的数量UAV,= (S1, S2，…，Sk)，每种类型无人机 执行各任务成功概率Pjl; (13)确立平面内的坐标体系，确定各任务和各类型无人机的地理位置T1: (Xl，yi)， UAVj: Uj,乃），参数设置完成。 作为优选，所述步骤（2)中，计算可行方案数目，初始化交叉熵概率分配矩阵具体 步骤如下： (21)至多η架无人机协同去完成某项任务，在无人机种类为Ut情况下，计算可行 方案数目Nscil; (22)初始化交叉熵概率矩阵P STnXNscil，其元素遵循以下要求：对于每一行元 素，找出满足资源需求，少数量无人机可以满足资源携带需求，多数量的无人机不予考虑的 所有有效方案数目的总和Hi1，并将概率矩阵P每行对应方案列的元素均设置为&，其余初 始化为0。 作为优选，所述步骤（3)中，随机生成一定数量的样本，对其进行去除无效样本、 计算样本对应目标函数值、将样本按目标函数值降序排列、取一定比例排序后的样本更新 概率矩阵，如此重复，直至满足结束条件，并根据结果为任务分配相应的无人机的步骤如 下： (31)判断概率矩阵P是否收敛，即其元素为0或1，且行和为1，或者迭代次数是否 大于最大迭代次数，若是，转到（36)，否则继续执行（32); (32)根据概率矩阵P随机生成N个样本，样本形式为Tn元组，其对应位置元素为 概率矩阵中每行非零元素相应的方案列数； (33)判断N个样本的有效性，并去除无效的样本，其中样本有效性标准为：样本中 各类型无人机数量和是否超过之前设定的各种类型的无人机数量值，若不超过，则为有效， 否则为无效样本； (34)若有效样本数量不足N个，则继续随机取样直到其数量达到Ν，对每 个有效样本s计算其目标函数值，并按从大到小排列，其目标函数值计算公式为： 其中，Ii1为执行任务T1的无人机个数，，为无人机（组）到达任务1\ 的时间代价，h为执行此任务的所有无人机中到达任务τ 时最长的时间，即 CN 105184092 A 说明书 3/5 页,为无人机1到达任务T i的欧氏距离， %为无人机1的速度且为恒定值。 (35)在排序好的样本中，取前N* Θ个排好序的样本（〇 < Θ < 1)，计算每个任务 对应方案出现的次数，该方案出现次数的总和与N* Θ的比值即为该行该列更新后的元素， 按照此规则更新概率矩阵P ; (36)输出概率矩阵P中结果，即为最终分配方案。 与现有技术相比，本专利技术的优点在于： -、考虑到完成任务涉及到的资源种类和数量的限制，以及无人机类型限制，携带 资源限制，各类型无人机数量限制，提出了资源限制条件下基于交叉熵方法的多类型无人 机协同任务分配方法； 二、由于单架无人机存在无法完成任务的情况，需要多架无人机协同完成某项任 务，任务分配方案不仅是一对一的任务分配，还可以是多对一的以及一对多的分配方式； 三、交叉熵方法是近年来出现并发展起来的一种新的优化算法，利用交叉熵优化 方法的理念来求解多无人机任务分配问题，取得了良好的效果； 四、优化交叉熵算法，将其运用在资源限制条件下多类型无人机协同任务分配问 题上，这是对任务分配问题求解算法的一个新的尝试，同时也是对交叉熵方法具体应用领 域的一个新的拓展。 五、通过多无人机的任务分配方案来达到无人机机群整体作战效能最大、代价最 小的目的。 六、交叉熵方法是近年来解决组合优化问题的新方法，将其应用于资源限制条件 下多类型无人机协同任务分配问题是对任务分配问题乃至组合优化问题的拓展与创新。【附图说明】 图1为本专利技术的结构流程示意图； 图2为本专利技术的整体流程示意图； 图3为本专利技术的基于交叉熵方法的多类型无人机任务分配流程图。【具体实施方式】 下面将结合附图及【具体实施方式】对本专利技术作进一步本文档来自技高网...
【技术保护点】
一种资源限制条件下多类型无人机协同任务分配方法，其特征在于，如下步骤：步骤(1)、对无人机飞行环境进行分析，设置无人机和任务的相关参数；步骤(2)、计算可行方案的数目，初始化交叉熵概率分配矩阵；步骤(3)、随机生成一定数量的样本，对其进行去除无效样本、计算样本对应目标函数值、将样本按目标函数值降序排列、取一定比例排序后的样本更新概率矩阵，如此重复，直至满足结束条件，并根据结果为任务分配相应的无人机。
【技术特征摘要】
【专利技术属性】
技术研发人员：屈鸿，黄利伟，樊珍，刘昕彤，王留帅，陈珊，陈常乐，张书洲，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。