【技术实现步骤摘要】
本专利技术属于智能机器人智能优化，具体涉及一种求解多无人机异构任务分配的约束优化方法。
技术介绍
1、在日益复杂和严峻的战场环境中，对于敌对目标和战场环境的侦察与监控是进一步执行决策的重要依据，近年来无人机在战场中的优越表现越来越体现其在现代战场中的重要性。而单无人机携带资源和执行任务的能力有限，难以满足复杂多变的任务需求，因此由多个无人机组成无人机集群、协同执行任务的智能决策与规划成为了当前无人机领域的研究热点。而多无人机的任务分配成为了提高集群自主性与作战效率的关键。无人机任务分配是指基于一定的环境知识和任务要求，为无人机集群中的个体分配一个或一组有序任务，以便在完成最大可能数量任务的同时集群整体效率达到最优。随着无人机技术与防空对抗技术的飞速发展，仅仅依靠人力手动进行任务分配和航程规划已经无法满足现代战争的实际需求，故涌现出的一大批将该问题建模为最优化问题的智能优化算法求解方式，成为了解决相无人机任务分配问题的有效方法。
2、差分进化算法是由storn和price于1995年首次，该算法是一种具有收敛速度快、鲁棒性好的一种基于群体智能的启发式算法。在各种约束/无约束优化问题中保持有相当出色的表现。该算法的基本步骤如下：随机初始化种群，通过变异、交叉和选择操作来生成新种群，是一种随机的并行全局搜索算法，具有记忆个体最优解和种群内信息共享的特点，即通过种群内个体间的合作与竞争来实现对优化问题的求解。其基本的进化思想为：按照规定的变异规则生成变异向量，通过贪婪选择保留优秀解进而避免种群的退化，经过选择操作生成新的种群
3、这种方法虽然有其优势，但是也存在不可避免的缺陷，主要体现在：选择操作采用了贪婪策略，丢弃了部分可行的非最优解；算法容易陷入局部最优，缺少跳出局部最优的机制。
技术实现思路
1、本专利技术的目的是针对现有技术的缺陷，提供一种求解多无人机异构任务分配的约束优化方法。
2、本专利技术所采用的具体技术方案如下：一种求解多无人机异构任务分配的约束优化方法，包括下述步骤：
3、准备工作：设无人机集群的每架无人机的飞行速度v＝1m/s，参数取值如下：最大迭代次数ncmax＝500；点目标的时间窗口twin＝150；总时间阈值tsum＝450；差分进化种群个数npop＝10；缩放因子f(t)为[0.2,0.9]之间的随机数，交叉因子cr，交叉因子上下限crmax＝0.9，crmin＝0.6，无人机起始点坐标和飞行方向如图7所示，无人机数目m＝3，任务数目n＝8，无人机集群的起始点{s1,s2,…sm}、目标点{t1,t2,…tn}、各个目标的类型和无人机的转弯半径侦察半径均为已知，算法的最大迭代次数ncmax，
4、步骤一：根据目标个数n计算种群个体的维度d＝2*n；
5、根据目标个数n计算种群个体的维度d＝2*n，每个目标占用两个维度，由异构目标的类型确定每一个维度的范围与意义：种群中某个体为x(t)＝{(x1,x2),(x3,x4),…(xd-1,xd)}其中从第一维数据开始每两维数据表示一个目标的分配情况，并根据目标类型的不同具有不同的含义，对于线目标：(x2i-1,x2i)经过放缩后，第一维数据的整数部分表示对应的无人机id，小数部分的大小描述了该任务在该无人机执行任务的序列，第二维数据经过放缩决定其进入线目标的方向；对于面目标：(x2i-1,x2i)经过放缩后，第一维数据同线目标，第二维数据经过放缩决定其进入面目标的方向，不同于线目标的是面目标的入口方向具有四个而线目标是两个，
6、步骤二：初始化迭代次数t＝1，初始化差分进化种群，种群个数为npop，差分进化种群个体维数为d，随机生成npop组多无人机任务分配方案，差分进化种群表示为向量组x(t)＝{x1(t),…,xi(t),...,xnpop(t)}，其中，xi(t)＝{(x1,x2),(x3,x4),…(xd-1,xd)}表示第i个个体，即对应第i个完整的任务分配方案，i＝1,2…,npop，xj(t)由对应的目标的类型和具体的维度确定其含义，j＝1,2,...,d；
7、步骤三：经由解码操作获取个体的无人机群集的任务规划序列为p＝{[p1,1,p1,2,…,p1,n1],[p2,1,p2,2,…,p3,n2],…[pm,1,pm,2,…,pm,nm]},其中[p1,1,p1,2,…,p1,n1]表示无人机1的任务分配结果；若p1,1＝4，表示无人机1执行的第一个任务序号为4；下标n1表示无人机1的在该项任务中分配的目标总数；
8、步骤四：计算差分进化的个体对应的给予杜宾四曲线的任务分配方案的任务执行时间ft(x)、满意度等级μ(x)；
9、步骤五：根据种群中个体的满意度等级安全等级α的比较得到种群的相对可行解的比例，并更新自适应安全等级α；
10、步骤六：由差分进化算法的变异操作计算种群个体xi(t)的变异向量vi(t)；
11、步骤七：根据映射规则将超出边界的变异向量维度通过随机变换映射到取值范围内；
12、步骤八：根据差分进化算法的交叉操作将目标向量与变异向量混合，以产生每个个体xi对应的实验向量ui(t)；
13、步骤九：计算实验向量u(t)的适应度值ft(u(t))和满意度等级μ(u(t))；
14、步骤十：通过α等级比较方法进行差分进化算法的选择操作，组成新的差分进化种群，并通过α等级比较的方法筛选出最优个体xbest(t)；
15、步骤十一：根据种群中个体的满意度等级和当前自适应安全等级α得到相对可行解比例，并根据此值更新交叉因子cr(t)和控制参数βt；
16、步骤十二：令t＝t+1，判断是否满足t>ncmax，如果不满足，返回步骤四进行迭代；如果满足，认为运算结束，输出全局最优解xbest(t)；
17、步骤十三：将全局最优解xbest(t)解码；输出得到的任务分配方案。
18、如上所述的一种求解多无人机异构任务分配的约束优化方法，其中，
19、步骤一中所述的编码方式详细介绍如下：为解决三类异构的侦察目标分配问题，本专利技术采用了一种复合的编码方式，每个目标将由两维数据来表示，并根据不同的目标类型表示不同的信息，针对点目标，两维数据分别代表了以该点目标为目标的两架无人机标号；对于线目标第一维数据代表了无人机的标号，而第二维则决定了无人机进入线目标的方向；同理代表面目标的两维数据分别代表了无人机的标号和进入面目标的方向，对与线目标进入方向包含两个，对与面目标的进入方向包含四个不同的进入方向，该选择会进一步影响对于目标的出口位置和出口方向，具体分配如下表所示：
20、
21、步骤三中所述任务执行次序的解码计算公式如下：
22、
23、每个个体按照解码公式(1)得到每架无人机的执行任务列表，其次将该列表中的代表该任务的数据按照小本文档来自技高网...
【技术保护点】
1.一种求解多无人机异构任务分配的约束优化方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：
3.根据权利要求2所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：
4.根据权利要求3所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：计算差分进化的个体对应的任务分配方案的任务执行时间fT(X)、满意度等级μ(X)，其计算公式如下：
5.根据权利要求1所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：安全等级αt的自适应收敛规则：
6.根据权利要求5所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：差分进化算法中自适应交叉因子及选择操作的改进：
【技术特征摘要】
1.一种求解多无人机异构任务分配的约束优化方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：
3.根据权利要求2所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：
4.根据权利要求3所述的一种求解多无人机异构任务分配的约束优化方法，其特征在于：计算...
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。