一种无人机集群任务规划方法技术

本发明专利技术公开了一种无人机集群任务规划方法，包括：获取无人机集群信息和无人机任务信息；对所述无人机集群信息和无人机任务信息进行融合处理，得到所述无人机集群任务规划的目标函数集；利用协作演化模型，对所述无人机集群任务规划的目标函数集进行求解，得到适应度最优个体；利用所述无人机集群任务规划的目标函数集，对所述适应度最优个体进行计算处理，得到最优个体的任务规划目标函数值；对所述最优个体的任务规划目标函数值进行评估处理，得到无人机集群任务规划方案。本发明专利技术通过引入协作机制，有效地提高了演化模型的收敛速度和全局搜索能力，通过对多目标优化结果进行评估，有效提升了无人机集群任务规划方案的准确性。有效提升了无人机集群任务规划方案的准确性。有效提升了无人机集群任务规划方案的准确性。

【技术实现步骤摘要】
一种无人机集群任务规划方法


[0001]本专利技术涉及无人机集群
，尤其涉及一种无人机集群任务规划方法。

技术介绍

[0002]近年来，无人机技术的快速发展，使得无人机集群成为了一个重要的
信息化战争条件下，无人机集群在作战中发挥越来越重要的作用。针对无人机集群的仿真也成为研究的热点。无人机集群可以被用来执行各种任务，如监视、搜索、搜救等。这些任务中的大部分都对实时性和高效性提出了较高要求，同时也需要考虑到多个技术指标之间的平衡。无人机集群任务规划是指确定一组最优的路径和行动方案，以使无人机集群能够在给定的时间内完成设定任务。然而，该目标的实现，通常涉及到多个相互冲突的目标，例如最大化任务完成率和最小化能源消耗等，因此需要在多个目标之间进行权衡取舍。
[0003]演化多目标优化算法是解决上述多目标优化问题的一种有效方法，其通过模拟演化过程，利用种群的竞争和选择机制来搜索解决方案的最优集合，以使得多个目标都得到了满足。演化多目标优化算法已经在许多领域得到了广泛的应用，包括机器学习、图像处理和无人机集群任务规划等。现有方法虽然能够对无人机群任务进行规划，但同时存在规划目标单一、多目标优化算法难收敛、搜索过程容易陷入局部最优、多目标优化效果难以得到较好地评估等问题，导致现有方法难以很好地应用于无人机集群任务规划中。

技术实现思路

[0004]针对现有的无人机集群任务规划方法所存在的规划目标单一、多目标优化算法难收敛、搜索过程容易陷入局部最优、多目标优化效果难以得到较好地评估等问题，本专利技术公开了一种无人机集群任务规划方法，包括：
[0005]S1，获取无人机集群信息和无人机任务信息；所述无人机集群信息，包括无人机集群所包含的无人机总数和参与任务执行的无人机数目；所述无人机任务信息，包括无人机需要执行的任务数目m、无人机执行任务的能源消耗信息、无人机执行任务的覆盖面积信息、执行任务时无人机之间的距离信息、无人机执行任务的通信成本信息、任务需要覆盖的面积信息；
[0006]S2，对无人机集群所包含的无人机总数进行比例取整处理，得到参与任务执行的无人机数目n，利用所述数目n对无人机集群信息所包含的参与任务执行的无人机数目进行更新；
[0007]S3，对所述无人机集群信息和无人机任务信息进行融合处理，得到所述无人机集群任务规划的目标函数集；
[0008]S4，利用协作演化模型，对所述无人机集群任务规划的目标函数集进行求解，得到适应度最优个体；
[0009]S5，利用所述无人机集群任务规划的目标函数集，对所述适应度最优个体进行计算处理，得到最优个体的任务规划目标函数值；
[0010]S6，对所述最优个体的任务规划目标函数值进行评估处理，得到无人机集群任务规划方案。
[0011]所述无人机集群任务规划的目标函数集，包括：最小化集群任务子函数、最小化能源消耗子函数、最小化通信成本子函数、最大化覆盖率子函数和最小化无人机距离子函数；
[0012]所述最小化集群任务子函数f1(x)，其表达式为：
[0013][0014]其中，t
ij
表示第j架无人机完成第i个任务的时间信息，x
ij
表示第j架无人机是否参与完成第i个任务，如果参与，则x
ij
为1，否则x
ij
为0；x为无人机集群任务规划矩阵，其元素为x
ij
，i＝1,2,
…
,m，j＝1,2,
…
,n；
[0015]所述最小化能源消耗子函数f2(x)，其表达式为：
[0016][0017]其中，e
ij
表示第j架无人机完成第i个任务的能源消耗信息；
[0018]所述最小化通信成本子函数f3(x)，其表达式为：
[0019][0020]其中，d
ij
表示第j架无人机执行第i个任务的通信成本信息；
[0021]所述最大化覆盖率子函数f4(x)，其表达式为：
[0022][0023]其中，o
ij
表示第j架无人机完成第i个任务所覆盖的面积，a
i
表示第i个任务需要覆盖的面积。
[0024]所述最小化无人机距离子函数，其表达式为：
[0025][0026]其中，d
ijk
表示在完成第i个任务时，第j架无人机和第k架无人机之间的距离，x
ij
和x
ik
分别表示第j架无人机和第k架无人机是否参与完成第i个任务，如果参与，则其取值为1，否则，其取值为0。
[0027]所述步骤S4，包括：
[0028]S41，构建得到适应度函数；所述适应度函数，是利用加权向量对所述无人机集群任务规划的目标函数集的各个子函数进行加权处理得到；
[0029]所述适应度函数F(
·
)，其表达式为：
[0030][0031]其中，λ
i
为第i个子函数对应的加权变量，λ4<0，λ1、λ2、λ3、λ5<0；所有加权变量构成加权向量；
[0032]S42，构建并初始化个体集合和迭代次数，利用初始化得到的个体集合构建父代个体集合；所述父代个体集合，包括若干个父代个体；所述父代个体，包括相应的染色体向量和步长；所述染色体向量，是对加权向量和无人机集群任务规划向量进行拼接得到；所述无人机集群任务规划向量，是对无人机集群任务规划矩阵的所有行向量或所有列向量，按照行序号或列序号依次进行拼接得到；
[0033]S43，利用对抗样本比较操作，对所述父代个体的步长进行更新；
[0034]S44，对父代个体集合进行拆分，得到个体子集合；
[0035]S45，根据所述父代个体的步长，对每个个体子集合进行分级操作，得到相应的分层个体子集合；
[0036]S46，对属于不同个体子集合的、相同层级的分层个体子集合，进行基因交流操作，得到后代个体集合；
[0037]S47，对所述后代个体集合进行综合性能指标计算，得到综合性能指标；
[0038]S48，利用所述综合性能指标，对所述后代个体集合进行迁移操作，得到迁移后代个体集合和适应度最优个体；
[0039]S49，对所述综合性能指标和迭代次数进行迭代停止判断处理，得到迭代停止判断结果；
[0040]若所述迭代停止判断结果为是，执行步骤S5；
[0041]若所述迭代停止判断结果为否，增加迭代次数，利用迁移后代个体集合，构建得到父代个体集合，执行步骤S43。
[0042]所述利用对抗样本比较操作，对所述父代个体的步长进行更新，包括：
[0043]S431，对所述父代个体的染色体向量进行动态增噪处理，得到增噪后的染色体向量；所述动态增噪后的染色体向量的表达式p1为：
[0044]p1＝p0+δβ(t)，
[0045]其中，p0为增噪前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机集群任务规划方法，其特征在于，包括：S1，获取无人机集群信息和无人机任务信息；所述无人机集群信息，包括无人机集群所包含的无人机总数和参与任务执行的无人机数目；所述无人机任务信息，包括无人机需要执行的任务数目m、无人机执行任务的能源消耗信息、无人机执行任务的覆盖面积信息、执行任务时无人机之间的距离信息、无人机执行任务的通信成本信息、任务需要覆盖的面积信息；S2，对无人机集群所包含的无人机总数进行比例取整处理，得到参与任务执行的无人机数目n，利用所述数目n对无人机集群信息所包含的参与任务执行的无人机数目进行更新；S3，对所述无人机集群信息和无人机任务信息进行融合处理，得到所述无人机集群任务规划的目标函数集；S4，利用协作演化模型，对所述无人机集群任务规划的目标函数集进行求解，得到适应度最优个体；S5，利用所述无人机集群任务规划的目标函数集，对所述适应度最优个体进行计算处理，得到最优个体的任务规划目标函数值；S6，对所述最优个体的任务规划目标函数值进行评估处理，得到无人机集群任务规划方案。2.如权利要求1所述的无人机集群任务规划方法，其特征在于，所述无人机集群任务规划的目标函数集，包括：最小化集群任务子函数、最小化能源消耗子函数、最小化通信成本子函数、最大化覆盖率子函数和最小化无人机距离子函数；所述最小化集群任务子函数f1(x)，其表达式为：其中，t
ij
表示第j架无人机完成第i个任务的时间信息，x
ij
表示第j架无人机是否参与完成第i个任务，如果参与，则x
ij
为1，否则x
ij
为0；x为无人机集群任务规划矩阵，其元素为x
ij
，i＝1,2,
…
,m，j＝1,2,
…
,n；所述最小化能源消耗子函数f2(x)，其表达式为：其中，e
ij
表示第j架无人机完成第i个任务的能源消耗信息；所述最小化通信成本子函数f3(x)，其表达式为：其中，d
ij
表示第j架无人机执行第i个任务的通信成本信息；所述最大化覆盖率子函数f4(x)，其表达式为：
其中，o
ij
表示第j架无人机完成第i个任务所覆盖的面积，a
i
表示第i个任务需要覆盖的面积；所述最小化无人机距离子函数，其表达式为：其中，d
ijk
表示在完成第i个任务时，第j架无人机和第k架无人机之间的距离，x
ij
和x
ik
分别表示第j架无人机和第k架无人机是否参与完成第i个任务，如果参与，则其取值为1，否则，其取值为0。3.如权利要求2所述的无人机集群任务规划方法，其特征在于，所述利用协作演化模型，对所述无人机集群任务规划的目标函数集进行求解，得到适应度最优个体，包括：S41，构建得到适应度函数；所述适应度函数，是利用加权向量对所述无人机集群任务规划的目标函数集的各个子函数进行加权处理得到；所述适应度函数F(
·
)，其表达式为：其中，λ
i
为第i个子函数对应的加权变量，λ4<0，λ1、λ2、λ3、λ5<0；所有加权变量构成加权向量；S42，构建并初始化个体集合和迭代次数，利用初始化得到的个体集合构建父代个体集合；所述父代个体集合，包括若干个父代个体；所述父代个体，包括相应的染色体向量和步长；所述染色体向量，是对加权向量和无人机集群任务规划向量进行拼接得到；所述无人机集群任务规划向量，是对无人机集群任务规划矩阵的所有行向量或所有列向量，按照行序号或列序号依次进行拼接得到；S43，利用对抗样本比较操作，对所述父代个体的步长进行更新；S44，对父代个体集合进行拆分，得到个体子集合；S45，根据所述父代个体的步长，对每个个体子集合进行分级操作，得到相应的分层个体子集合；S46，对属于不同个体子集合的、相同层级的分层个体子集合，进行基因交流操作，得到后代个体集合；S47，对所述后代个体集合进行综合性能指标计算，得到综合性能指标；S48，利用所述综合性能指标，对所述后代个体集合进行迁移操作，得到迁移后代个体集合和适应度最优个体；S49，对所述综合性能指标和迭代次数进行迭代停止判断处理，得到迭代停止判断结果；若所述迭代停止判断结果为是，执行步骤S5；若所述迭代停止判断结果为否，增加迭代次数，利用迁移后代个体集合，构建得到父代个体集合，执行步骤S43。
4.如权利要求3所述的无人机集群任务规划方法，其特征在于，所述利用对抗样本比较操作，对所述父代个体的步长进行更新，包括：S431，对所述父代个体的染色体向量进行动态增噪处理，得到增噪后的染色体向量；所述动态增噪后的染色体向量的表达式p1为：p1＝p0+δβ(t)，其中，p0为增噪前的父代个体染色体值，δ为高斯噪声向量，β(t)为t时刻的动态权重；所述β(t)的表达式为：其中，ti表示迭代次数，T0和T1分别表示第一转折迭代次数和第二转折迭代次数，β0和β1分别表示第一权重值和第二权重值；S432，对每个父代个体，建立相应的对抗样本集合；所述对抗样本集合包括若干个对抗样本；所述对抗样本包括相应的染色体向量和步长；S433，对父代个体和其相应的对抗样本集合，进行鲁棒指标判断处理，得到鲁棒指标判断结果；若鲁棒指标判断结果大于0，使父代个体的步长减少1；若鲁棒指标判断结果小于0，使父代个体的步长增加1。5.如权利...

【专利技术属性】
技术研发人员：张扬，张俊峰，陈企华，淦家杭，张煜，周鹏，高超，王常琳，张媛媛，张焕俊，李文哲，楚敏南，王军，
申请(专利权)人：中国人民解放军三二三七零部队，
类型：发明
国别省市：