System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种无人机集群高效动态任务分配方法及系统技术方案_技高网
当前位置: 首页 > 专利查询>大连大学专利>正文

一种无人机集群高效动态任务分配方法及系统技术方案

技术编号:43131130 阅读:3 留言:0更新日期:2024-10-29 17:38
本发明专利技术公开了一种无人机集群高效动态任务分配方法及系统,涉及无人机任务分配技术领域;其包括包括:对无人机动态任务分配问题进行描述并建立数学模型,确定目标函数;根据目标函数,使用多策略灰狼优化算法进行寻优,进而获得最优的任务分配方案。为改善初始种群质量,本发明专利技术引入动态反向学习策略,对随机生成的初始种群进行方向处理得到新的初始种群,采用贪心策略加剧两个种群间的竞争得到最佳初始解。为增强算法的全局搜索能力,本发明专利技术在灰狼α的位置更新中加入水波动态自适应因子,避免狼群盲目跟随而导致算法陷入局部最优;为协调算法的全局搜索和局部挖掘能力,本发明专利技术引入黄金正弦算法改进其他狼的位置更新。

【技术实现步骤摘要】

本专利技术涉及无人机任务分配,具体涉及一种无人机集群高效动态任务分配方法及系统


技术介绍

1、为了应对实际任务环境的多样化和复杂化,无人机技术的发展正推动着其任务执行方式从单机独立逐步向集群协同转变。因此,无人机集群的协同任务分配问题,特别是动态任务分配,已成为该领域研究的热点。

2、依据无人机的实时环境,任务分配问题通常可划分为动态和静态两类。动态任务分配特指在战场多变、任务状态不断变化的情境下,基于实时的环境需求和无人机当前状态,动态地将待执行的任务分配给不同的无人机,以确保任务能够高效、有序地完成。随着无人机集群地位日益提升,对无人机集群的动态任务分配提出了更高的标准和要求,以应对日益复杂多变的环境。

3、当前,国内外学者已对无人机集群的动态任务分配算法进行了广泛研究。尽管多数研究将动态分配问题分解为部分重分配和多阶段静态分配进行求解,但在实际应用中仍存在诸多挑战,例如模型考虑的全面性不足、算法求解速度无法满足实时性需求等。因此,进一步优化和完善无人机集群动态任务分配算法,提高其在复杂战场环境下的适应性和高效性,成为当前研究的迫切需求。


技术实现思路

1、针对无人机集群动态任务分配中求解速度不够、难以满足时效要求的问题,本专利技术提供一种基于多策略灰狼算法(multi-strategy gray wolf optimizer,mgwo)的无人机集群动态任务分配方法及系统。

2、根据本公开实施例的第一个方面,提供了一种无人机集群高效动态任务分配方法,包括以下步骤:

3、对无人机动态任务分配问题进行描述并建立数学模型,确定目标函数;

4、根据目标函数,使用多策略灰狼优化算法进行寻优,进而获得最优的任务分配方案。

5、根据本公开实施例的第二个方面,提供了一种无人机集群高效动态任务分配系统,包括:

6、目标确定模块,对无人机动态任务分配问题进行描述并建立数学模型,确定目标函数;

7、分配模块,根据目标函数,使用多策略灰狼优化算法进行寻优,进而获得最优的任务分配方案。

8、根据本公开实施例的第三个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现所述的一种无人机集群高效动态任务分配方法。

9、根据本公开实施例的第四个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的一种无人机集群高效动态任务分配方法。

10、本专利技术采用的以上技术方案,与现有技术相比,具有的优点是:

11、本专利技术巧妙运用了动态反向学习策略,有效增强了初始种群的多样性。通过此策略,成功筛选出适应度值最高的前三个个体,即α、β、δ。其不仅提高了初始种群的整体质量,也为后续的搜索过程奠定了坚实的基础。

12、为进一步提升算法的全局搜索能力,本专利技术引入了水波动态自适应因子,对头狼α的位置更新公式进行了精心调整。这一创新使得算法在搜索过程中能够更有效地跳出局部最优,避免陷入搜索困境,从而显著提升了算法的整体性能。

13、在算法迭代过程中,如何平衡全局搜索与局部挖掘能力是一个关键挑战。为此,本专利技术采用了黄金正弦策略来更新其他狼ω的位置。这一策略不仅保证了算法在全局范围内的有效搜索,还能够在局部区域内进行精细挖掘,从而有效改善了后期迭代中因收敛速度快而导致的精度不足问题。

14、本专利技术的算法能够实时动态更新无人机的任务状态信息,并据此进行高效的任务再分配。这一特性使得无人机集群能够更好地适应战场环境的快速变化,提升整体效能。

本文档来自技高网...

【技术保护点】

1.一种无人机集群高效动态任务分配方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种无人机集群高效动态任务分配方法,其特征在于,对无人机动态任务分配问题进行描述并由此建立数学模型,具体为:

3.根据权利要求2所述一种无人机集群高效动态任务分配方法,其特征在于,所述k+1阶段目标任务执行窗口的时间、无人机的续航能力分别为:

4.根据权利要求3所述一种无人机集群高效动态任务分配方法,其特征在于,所述目标函数获取方式为:设xij(k)为第k阶段的决策变量,若无人机i执行目标j的任务,xij(k)=1;反之,xij(k)=0;第k阶段的无人机集群动态分配目标函数为J(k),其表达式为:

5.根据权利要求4所述一种无人机集群高效动态任务分配方法,其特征在于,所述时间代价LT为:

6.根据权利要求1所述一种无人机集群高效动态任务分配方法,其特征在于,使用多策略灰狼优化算法进行寻优包括用动态反向学习策略增强搜索空间内的初始种群质量,方法如下:

7.根据权利要求1所述一种无人机集群高效动态任务分配方法,其特征在于,使用多策略灰狼优化算法进行寻优包括在灰狼α的位置更新中加入水波动态自适应因子,利用水波的动态变化不确定性增加α狼搜索范围,避免狼群盲目跟随而导致算法陷入局部最优;

8.根据权利要求1所述一种无人机集群高效动态任务分配方法,其特征在于,使用多策略灰狼优化算法进行寻优包括引入黄金正弦算法改进其他狼的位置更新,黄金正弦算法通过模拟正弦函数遍历单位圆探索搜索空间,将单位圆与正弦函数结合而得的黄金分割系数用于迭代搜索寻优。

9.根据权利要求8所述一种无人机集群高效动态任务分配方法,其特征在于,黄金正弦算法描述如下所示:

10.一种无人机集群高效动态任务分配系统,其特征在于,包括:

...

【技术特征摘要】

1.一种无人机集群高效动态任务分配方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种无人机集群高效动态任务分配方法,其特征在于,对无人机动态任务分配问题进行描述并由此建立数学模型,具体为:

3.根据权利要求2所述一种无人机集群高效动态任务分配方法,其特征在于,所述k+1阶段目标任务执行窗口的时间、无人机的续航能力分别为:

4.根据权利要求3所述一种无人机集群高效动态任务分配方法,其特征在于,所述目标函数获取方式为:设xij(k)为第k阶段的决策变量,若无人机i执行目标j的任务,xij(k)=1;反之,xij(k)=0;第k阶段的无人机集群动态分配目标函数为j(k),其表达式为:

5.根据权利要求4所述一种无人机集群高效动态任务分配方法,其特征在于,所述时间代价lt为:

6.根据权利要求1所述一种无人机集群高效动态任务分配方法...

【专利技术属性】
技术研发人员:张然陈晓任红红丁元明李茂源
申请(专利权)人:大连大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1