一種多無人機應(yīng)急救災(zāi)任務(wù)分配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及無人機技術(shù)領(lǐng)域，具體設(shè)計多無人機任務(wù)分配方法，尤其涉及一種多 無人機應(yīng)急救災(zāi)任務(wù)分配方法。
【背景技術(shù)】
[0002] 目前研究多無人機任務(wù)分配時一般考慮多UCAV執(zhí)行單個任務(wù)和多UCAV執(zhí)行多個 任務(wù)時的情況，通過對無人機任務(wù)分配系統(tǒng)進行分析，建立與之對應(yīng)的數(shù)學(xué)模型，然后根據(jù) 約束條件來求解實際的問題，當(dāng)系統(tǒng)發(fā)生變化，數(shù)學(xué)模型也要做相應(yīng)的調(diào)整。針對這單任務(wù) 與多任務(wù)兩種情況已提出許多基于經(jīng)典問題的任務(wù)分配模型。無人機單任務(wù)分配的數(shù)學(xué)模 型主要有：車輛路徑問題模型（VRP);多旅行商問題模型（MTSP)。多無人機多任務(wù)分配的數(shù) 學(xué)模型主要有：混合整數(shù)線性規(guī)劃模型（MILP);動態(tài)網(wǎng)絡(luò)流優(yōu)化模型（NFO);多無人機協(xié)同 任務(wù)分配模型。
[0003] 針對多UCAV任務(wù)分配問題模型的優(yōu)化求解算法，現(xiàn)階段研究成果主要包括集中 式的求解算法和分布式控制中的求解算法。對于集中式控制的求解算法，又可分為啟發(fā)式 方法和最優(yōu)化方法兩類。其中，前者因為算法本身具備不確定性和抽象性，對系統(tǒng)沒有嚴(yán) 格的要求，被廣泛運用于一些抽象問題的求解，主要有：遺傳算法、禁忌搜索、粒子群優(yōu)化算 法。禁忌搜索算法應(yīng)用于任務(wù)分配時，用一個禁忌表記錄已經(jīng)到達過的局部最優(yōu)點來避免 局部鄰域陷入局部最優(yōu)，然而其缺陷是對于初始解具有較強的依賴性，此外其搜索過程是 單操作，即在搜索過程中初始解智能有一個，在每代也智能把一個解移動到另一個解。遺傳 算法應(yīng)用于任務(wù)分配很好地克服了容易陷入局部極優(yōu)這個缺點，是一種全局優(yōu)化算法，但 其實現(xiàn)過程復(fù)雜，參數(shù)多并且難以選擇，搜索速度比較慢，因此要得到比較精確的解需要較 多的訓(xùn)練時間。粒子群優(yōu)化算法應(yīng)用于任務(wù)分配具有簡單易實現(xiàn)的特點，但全局粒子群算 法收斂速度快，但是容易陷入局部最優(yōu)，局部粒子群算法收斂速度慢，但是很難陷入局部最 優(yōu)。
[0004] 對于分布式控制的求解算法：基于合同網(wǎng)的市場拍賣機制已經(jīng)成為多UCAV分布 式任務(wù)分配中應(yīng)用最為廣泛的方法?；诤贤W(wǎng)模型的分布式任務(wù)分配方法對多UCAV進 行任務(wù)分配，通過模擬市場機制中的"任務(wù)招標(biāo)、投標(biāo)、中標(biāo)、訂立合同"進行協(xié)商合作，從而 在局部最優(yōu)的基礎(chǔ)上追求全局最優(yōu)上的任務(wù)分配。合同網(wǎng)算法應(yīng)用于任務(wù)分配時效率較 低，忽略了任務(wù)之間的聯(lián)系，在耦合度上受較大的限制。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是針對【背景技術(shù)】中所涉及到的缺陷，提供一種多無人 機應(yīng)急救災(zāi)任務(wù)分配方法。
[0006] 本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：
[0007] -種多無人機應(yīng)急救災(zāi)任務(wù)分配方法，包括如下步驟：
[0008] 步驟1)，獲取無人機數(shù)量與各個無人機的位置、目標(biāo)的數(shù)量與各個目標(biāo)的位置；
[0009] 步驟2)，隨機獲取NP種任務(wù)分配方案，NP為預(yù)先設(shè)定的初始任務(wù)方案數(shù)；
[0010] 步驟3)，建立目標(biāo)函數(shù)，作為任務(wù)分配方案的評價準(zhǔn)則；
[0011] 步驟4)，將目標(biāo)函數(shù)作為適應(yīng)度函數(shù)，計算初始時刻所有任務(wù)分配方案的適應(yīng)度 值，并記錄該適應(yīng)度值與此時的任務(wù)分配方案、；
[0012] 步驟5)，判斷任務(wù)分配方案的更新次數(shù)是否為G的倍數(shù)，如果是，則執(zhí)行步驟6)， 否則轉(zhuǎn)向執(zhí)行步驟7)，其中，G為預(yù)先設(shè)定的大于1的自然數(shù)；
[0013] 步驟6)，將任務(wù)分配方案按照其適應(yīng)度值從大到小進行排序，取前RN種任務(wù)分配 方案為主導(dǎo)任務(wù)分配方案，后CN種任務(wù)分配方案為從任務(wù)分配方案，中間NP-RN-CN種任務(wù) 分配方案為主任務(wù)分配方案，其中，RN與CN分別為預(yù)先設(shè)定的主導(dǎo)任務(wù)分配方案數(shù)與從任 務(wù)分配方案數(shù)；
[0014] 步驟7)，根據(jù)任務(wù)分配方案所屬類別，更新NP種任務(wù)分配方案；
[0015] 步驟8)，計算所有更新后任務(wù)分配方案的適應(yīng)度值；
[0016] 步驟9)，計算并記錄任務(wù)分配方案適應(yīng)度值的個體最優(yōu)以及全局最優(yōu)；
[0017] 步驟10)，判斷任務(wù)分配方案更新次數(shù)是否小于預(yù)先設(shè)定的最大更新次數(shù)數(shù)，如果 是，則更新次數(shù)加1，同時轉(zhuǎn)向執(zhí)行步驟5)，否則繼續(xù)執(zhí)行步驟11);
[0018] 步驟11)，輸出適應(yīng)度值全局最優(yōu)的多無人機應(yīng)急救災(zāi)任務(wù)分配方案。
[0019] 作為本發(fā)明一種多無人機應(yīng)急救災(zāi)任務(wù)分配方法進一步的優(yōu)化方案，所述步驟3) 中的目標(biāo)函數(shù)J為：
[0021] 其中，k = 1，…，Nv;i = 1，…，NT;j = 1，…，NT;NV為無人機的架數(shù)，Nt為目標(biāo)任 務(wù)的個數(shù)；.為二值決策變量，當(dāng)編號為k的無人機從目標(biāo)i到目標(biāo)j執(zhí)行任務(wù)時=1，否 則為0 表示第i個目標(biāo)到第j個目標(biāo)的直接距離表示無人機的最大航程。
[0022] 作為本發(fā)明一種多無人機應(yīng)急救災(zāi)任務(wù)分配方法進一步的優(yōu)化方案，所述步驟7) 中更新NP中任務(wù)分配方案的步驟如下：
[0023] 步驟7. 1)，若任務(wù)分配方案屬于適應(yīng)度值最好的RN種主導(dǎo)任務(wù)分配方案，將該方 案中的無人機位置根據(jù)下式更新：
[0026] 其中，4(0 (i, j e [1，…，NT], k e [1，…，Nv])表示在t次更新時，無人機k由 第i個目標(biāo)向第j個目標(biāo)方向運動中的位置；Randn(0, 〇 2)為一個均值為〇,標(biāo)準(zhǔn)差為σ 2 的高斯分布；ε用于避免除數(shù)為〇,為最小常數(shù)；f是X的適應(yīng)值函數(shù)；
[0027] 步驟7. 2)，若任務(wù)分配方案屬于NP-RN-CN種從任務(wù)分配方案之一，將該方案中的 無人機位置根據(jù)下式更新：
[0031] 式中Rand是[0，1]之間的標(biāo)準(zhǔn)隨機數(shù)；abs表示取絕對值；rl e [1，."，RN] 為主導(dǎo)任務(wù)分配方案中隨機抽取的編號，r2為其余任務(wù)分配方案中隨機抽取的編號，且 rl 辛 r2 ;
[0032] 步驟7. 3)，若任務(wù)分配方案屬于適應(yīng)度值最差的CN種從任務(wù)分配方案，無人機位 置根據(jù)下式更新：
[0034] 式中，代表標(biāo)號為k無人機所對應(yīng)主任務(wù)分配方案中的編號為k無人機的位 置（m e [RN+1，…，NP-CN]);參數(shù)FL(FL e (〇, 2))表示從任務(wù)分配方案中的無人機跟隨主 任務(wù)分配方案中的無人機搜索目標(biāo)。
[0035] 作為本發(fā)明一種多無人機應(yīng)急救災(zāi)任務(wù)分配方法進一步的優(yōu)化方案，所述步驟9) 中個體極值pv k (t)為單架無人機所經(jīng)過的具有最好適應(yīng)度函數(shù)取值的位置，由下式確定：
[0037] 其中，k為無人機編號，f是適應(yīng)度函數(shù)，Xk(t)為當(dāng)前第k架無人機任務(wù)分配方案 中的空間坐標(biāo)向量；
[0038] 全局極值gv(t)是所有任務(wù)分配方案中無人機經(jīng)歷過的最好位置，由下式確定：
[0039] gv (t) = min {f (Pv1 (t))，f (pv2 ⑴），…，f (pvNP ⑴）} 〇
[0040] 本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：
[0041] 本發(fā)明融合了 PSO算法的快速收斂和CCO算法的遍歷隨機等特性，在PSO算法的 每一代挑選出的最優(yōu)解附近的區(qū)域里，融合混沌算法進一步搜索，防止其陷入局部最優(yōu)，很 好的反映了多無人機搜索多任務(wù)的過程且算法具有快速性與易實現(xiàn)性，同時不易陷入局部 最優(yōu)。
【附圖說明】
[0042] 圖1是無人機搜尋任務(wù)的不意圖；
[0043] 圖2是無人機任務(wù)分配流程圖。
【具體實施方式】
[0044] 下面結(jié)合附圖對本發(fā)明的技術(shù)方案做進一步的詳細說明：
[0045] 如圖1和圖2所示，本發(fā)明公開了一種多無人機應(yīng)急救災(zāi)任務(wù)分配方法，包括如下 步驟：
[0046] 步驟1)，獲取無人機數(shù)量與各個無人機的位置、目標(biāo)的數(shù)量與各個目標(biāo)的位置；
[0047] 步驟2)，隨機獲取NP種任務(wù)分配方案X = (X1, X2，…，XNP}，NP為預(yù)先設(shè)定的初始 任務(wù)方案數(shù)；
[0048] 步驟3)，建立目標(biāo)函數(shù)J，作為任務(wù)分配方案的評價準(zhǔn)則；
[0049] 步驟4)，將目標(biāo)函數(shù)J作為適應(yīng)度函數(shù)f，計算初始時刻所有任務(wù)分配方案的適應(yīng) 度值，并記錄該適應(yīng)度值與此時的任務(wù)分配方案，同時將任務(wù)分配方案的更新次數(shù)t初始 化為零；
[0050] 步驟5)，判斷任務(wù)分配方案的更新次數(shù)t是否為G的倍數(shù)，如果是，則執(zhí)行步驟 6)，否則轉(zhuǎn)向執(zhí)行步驟7)，其中，G為預(yù)先設(shè)定的大于1的自然數(shù)；
[0051] 步驟6)，將任務(wù)分配方案按照其適應(yīng)度值從大到小進行排序，取前RN種任務(wù)分配 方案為主導(dǎo)任務(wù)分配方案，后CN種任務(wù)分配方案為從任務(wù)分配方案，中間NP-RN-CN種任務(wù) 分配方案為主任務(wù)分配方案，其中，RN與CN分別為預(yù)先設(shè)定的主導(dǎo)任務(wù)分配方案數(shù)與從任 務(wù)分配方案數(shù)；
[0052] 步驟7)，根據(jù)任務(wù)分配方案所屬類別，更新NP種任務(wù)分配方案；
[0053] 步驟8)，計算所有更新后任務(wù)分配方案的適應(yīng)度值；
[0054] 步驟9)，計算并記錄任務(wù)分配方案適應(yīng)度值的個體最優(yōu)