一种SEDA场景下异构无人机配置与任务规划联合优化方法技术

本发明专利技术公开了一种SEDA场景下异构无人机配置与任务规划联合优化方法，包括上层无人机配置调整与下层任务规划计算，具体地：下层任务规划计算在上层无人机配置调整的无人机配置方案约束下进行任务规划计算，其优化目标为在该方案的无人机数量种类约束下，最小化任务平均完成时间；上层无人机配置调整则根据下层任务规划计算获得的最优任务执行方案反馈优化无人机配置，其优化目标为在任务执行要求下，最小化各类型无人机数量。本发明专利技术应用于无人机规划领域，在避免遍历无人机配置组合的前提下，获得合理的无人机配置方案，同时求解得到高效可行的任务执行方案，为无人机资源配置与任务规划提供了完整的解决方法，提高了多无人机协同的指控效率。人机协同的指控效率。人机协同的指控效率。

【技术实现步骤摘要】
一种SEDA场景下异构无人机配置与任务规划联合优化方法


[0001]本专利技术涉及无人机规划
，具体是一种SEDA场景下异构无人机配置与任务规划联合优化方法。

技术介绍

[0002]随着人工智能技术的发展和无人系统的日渐成熟，无人机被广泛应用在不同任务场景。面对多样化的任务需求，单架无人机受自身软硬件条件的限制，存在一些局限性：如任务持续能力不足、系统容错性不高和升级周期长等。异构无人机系统是不同单元的合理组合，通过机间的信息融合与能力互补，突破个体能力限制，具备多样化的任务能。敌防空压制(suppression of enemy air defenses,SEAD)场景是异构无人机协同的典型应用，需要协调多架无人机在特定区域内攻击敌方目标并使其丧失任务能力，对各类无人机的协同效率提出了很高要求。
[0003]无人机配置是根据任务需求和无人机性能确定参与任务的无人机组合类型和数量规模；无人机任务规划是在任务需求和单元能力的约束下，优化求解获得可行任务执行方案。无人机配置和任务规划存在一定的递阶关联性，合理的无人机配置可以充分发挥各类型无人机能力，提升任务规划求解效率，满足任务需求的同时避免无人机资源的浪费。当前SEAD场景研究多集中在给定无人机配置下的任务规划方法，主要为完善场景建模和提升算法求解效率。但在实际应用时，无人机数量常未明确，需要对任务执行效率和无人机出动成本进行协调，确定合理规模的无人机组合以满足任务要求。但由于无人机配置和任务规划存在的递阶关联关系，无法同时对无人机配置和任务规划同时求解：因为一方面两者相互叠加使得问题解空间极大扩展，降低求解效率；另一方面由于各类型决策变量的相互影响，无法有效引导求解并可能退化为随机搜索。因此无人机配置和任务规划联合优化研究具有很强的现实意义。

技术实现思路

[0004]针对上述现有技术中的不足，本专利技术提供一种SEDA场景下异构无人机配置与任务规划联合优化方法，采用双层联合优化：上层调整无人机配置，设计了任务衔接比指标引导无人机数量调整；下层改进遗传算法求解任务规划问题，可以高效处理多种耦合约束，并设计了面向无人机数量变化的局部搜索算子以提升求解效率；双层相互协调以获得合理的无人机配置方案和高效的任务执行方案。
[0005]为实现上述目的，本专利技术提供一种SEDA场景下异构无人机配置与任务规划联合优化方法，包括上层无人机配置调整与下层任务规划计算，具体地：
[0006]下层任务规划计算在上层无人机配置调整的无人机配置方案约束下进行任务规划计算，其优化目标为在该方案的无人机数量种类约束下，最小化任务平均完成时间；
[0007]上层无人机配置调整则根据下层任务规划计算获得的最优任务执行方案反馈优化无人机配置，其优化目标为在任务执行要求下，最小化各类型无人机数量。
[0008]与现有技术相比，本专利技术具有如下有益技术效果：
[0009]1、建立了无人机配置调整与任务规划计算的双层联合优化，使双层相互协调，进而可以获得合理的无人机配置方案和高效的任务执行方案；
[0010]2、在上层无人机配置中根据任务时间表和无人机使用率设计了任务衔接比指标，以评估各类型无人机需求情况，并在该指标基础上结合无人机数量限制建立无人机配置调整方法，能够结合任务执行方案数据对无人机配置方案进行快速调整；
[0011]3、在下层任务规划计算中设计了改进遗传算法求解任务规划问题，使用多层编码策略建立无人机和任务映射，并使用多层动态方法调整编码顺序以满足计算需求；在编码基础上结合任务时间窗口、任务路径、资源和航程约束对无人机进行调整并计算任务时间表，生成完整的任务执行方案；同时设计了局部搜索算子作为算法更新的补充部分，能够结合无人机配置变化对前序优质执行方案进行精细调整，提升整体计算效。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0013]图1为本专利技术实施例中双层联合优化方法结构图；
[0014]图2为本专利技术实施例中上层无人机配置调整的流程图；
[0015]图3为本专利技术实施例中下层任务规划计算的第一种实施方式流程图；
[0016]图4为本专利技术实施例中多层编码示意图；
[0017]图5为本专利技术实施例中编码调整流程图；
[0018]图6为本专利技术实施例中无人机任务路径计算示意图
[0019]图7为本专利技术实施例中下层任务规划计算的第二种实施方式流程图。
[0020]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0023]在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0024]另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0025]本实施例公开了一种SEDA场景下异构无人机配置与任务规划联合优化方法，该方法在不确定无人机配置下，可以根据任务执行需求，在避免遍历无人机配置组合的基础上，求解获得无人机配置方案和对应任务执行方案。
[0026]参考图1，该联合优化方法包括上层无人机配置调整与下层任务规划计算。其中，下层任务规划计算在上层无人机配置调整的无人机配置方案约束下进行任务规划计算，其优化目标为在该方案的无人机数量种类约束下，最小化任务平均完成时间。上层无人机配置调整则根据下层任务规划计算获得的最优任务执行方案反馈优化无人机配置，其优化目标为在任务执行要求下，最小化各类型无人机数量。
[0027]下面结合具体地SEAD场景本对专利技术中的联合优化方法作出进一步的说明。
[0028]SEAD场景目标为地面雷达，其地理坐标已知，毁伤要求和时间窗口已经明确，为简化计算做出如下设定：
[0029]1、任务场景为二维区域，不考虑地形障碍、禁飞区、突发威胁等干扰因素，目标和无人机均视为点目标；
[0030]2、每个目标包含多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SEDA场景下异构无人机配置与任务规划联合优化方法，其特征在于，包括上层无人机配置调整与下层任务规划计算，具体地：下层任务规划计算在上层无人机配置调整的无人机配置方案约束下进行任务规划计算，其优化目标为在该方案的无人机数量种类约束下，最小化任务平均完成时间；上层无人机配置调整则根据下层任务规划计算获得的最优任务执行方案反馈优化无人机配置，其优化目标为在任务执行要求下，最小化各类型无人机数量。2.根据权利要求1所述的SEDA场景下异构无人机配置与任务规划联合优化方法，其特征在于，所述上层无人机配置调整的过程为：步骤A1，根据场景中所包含的任务类型生成初始无人机配置方案，其中，初始无人机配置方案中，每个任务类型所对应的无人机至少为1架；步骤A2，调用下层任务规划计算部分，获得若干待选任务执行方案，从中选择任务平均完成时间最短的方案，将其作为当前无人机配置方案下的最优方案；步骤A3，基于当前最优方案的具体时间表计算各类型任务的等待时间，进而计算对应各类型无人机的任务衔接比指标，并根据任务衔接比值指标对无人机进行排列，形成待增加无人机列表；步骤A4，对于当前无人机配置方案中达到预定数量限制的无人机，将其从待增加无人机列表删除，完成待增加无人机列表的第一次更新；步骤A5，判断当前迭代次数是否为1：若是则直接进入步骤A6；否则，执行如下操作：选择上次迭代增加的无人机，将其对应任务作为当前任务，分析受其影响的任务类型，选择其中影响最大的一个任务类型，计算上次无人机增加后其等待时间变化，若不发生变化或变化很小，则说明该类型任务所对应无人机数量已经到达饱和，将该类无人机从列表中删除，完成待增加无人机列表的第二次更新后，再进入步骤A6；步骤A6，选择待增加无人机列表中排序第一的无人机，在当前无人机配置方案中增加1架该类型无人机，完成无人机配置方案的更新；步骤A7，调用下层任务规划计算部分，得到当前无人机配置方案对应的最优任务执行方案；步骤A8，判断无人机配置方案及其任务执行方案是否满足要求，若是则输出当前无人机配置方案及其任务执行方案，否则返回步骤A3。3.根据权利要求2所述的SEDA场景下异构无人机配置与任务规划联合优化方法，其特征在于，步骤A2中，所述各类型无人机的任务衔接比指标，具体为：式中，δ
CI
为任务衔接比指标，为任务对应无人机使用率，为无人机所对应任务的等待时间均值，λ
CI
∈(0,1)为等待时间调节参数，为无人机平均任务数量，α
CI
∈(0,0.1]为平均任务数量控制系数。4.根据权利要求2所述的SEDA场景下异构无人机配置与任务规划联合优化方法，其特
征在于，所述下层任务规划计算采用改进遗传算法，在当前无人机配置方案约束下进行任务规划计算，其过程为：步骤B1，根据遗传算法规则，采用随机方法初始化算法种群，生成若干无人机与任务映射的编码方案；步骤B2，对于种群中每一个编码方案，根据任务之间的时序耦合关系，在不改变任务和无人机映射关系的基础上微调任务顺序，避免任务规划计算过程中出现死锁问题；步骤B3：对调整后的编码方案中的每个任务进行无人机调整与任务时间表计算，得到所有编码方案对应的任务执行方案；步骤B4，判断是否满足迭代终止条件：若是，则将当前所有编码方案对应的任务执行方案中，任务平均完成时间最短的任务执行方案作为当前无人机配置方案的任务执行方案，并输出；否则，采用遗传算法中的交叉与变异操作进行所有编码方案的更新，再次进入步骤B2。5.根据权利要求4所述的SEDA场景下异构无人机配置与任务规划联合优化方法，其特征在于，步骤B2中，采用多层动态方法对编码方案进行调整，以解决死锁问题，其过程为：将任务分为优先层级、正常层级和等待层级三个层级...

【专利技术属性】
技术研发人员：王建峰，贾高伟，侯中喜，郭正，鲁亚飞，陈清阳，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：