申请/专利权人：大连理工大学

申请日：2022-03-08

公开（公告）日：2023-03-17

公开（公告）号：CN114545975B

主分类号：G05D1/10

分类号：G05D1/10

优先权：

专利状态码：有效-授权

法律状态：2023.03.17#授权;2022.06.14#实质审查的生效;2022.05.27#公开

摘要：一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法，首先，设定约束条件和目标函数，构建多无人机协同任务分配的多目标优化模型。第二，根据问题所属的弹药情况选择交叉变异算法，求解多目标优化模型。第三，从Pareto解集中选择一个非支配解，将其作为被具体执行的任务分配方案。第四，任务重分配机制被激活后，设定任务重分配问题的目标函数，构造任务重分配模型。第五，对于突发情况利用合同网方法求解任务重分配模型，得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架，适用于求解多无人机协同任务分配的多目标优化，并可协助决策者从Pareto解集中选解，同时能够对突发情况实现实时的任务重分配。

主权项：1.一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法，其特征在于，包括以下步骤：步骤1：根据战场上被侦查到的敌方目标信息、无人机信息以及作战目标设定约束条件与目标函数，建立协同任务分配的多目标优化模型步骤1-1：收集任务规划基础数据设定无人机群包含NU架无人机，第i架无人机记作Ui，侦查到的敌方目标包含NT个目标，第j个目标记作Tj，同时，设定无人机Ui执行目标Tj的情况为0-1变量，记作xij；此外，将无人机Ui执行目标Tj时Ui和Tj被摧毁的概率分别记作Pij和Kij，Ui和Tj的价值分别记作和步骤1-2：设定优化模型约束条件设定约束条件时，基于无人机的载弹量、目标的类型以及降低作战风险进行设定；基于每架无人机的载弹量受限的情况，任务分配问题需满足弹药约束，即每架无人机执行的攻击任务数量不能超过自身的载弹量， 其中，ni表示Ui的载弹量；为了提高作战效益，应对不同的目标设定不同的打击方案；任务分配问题中应满足攻击次数约束，即不同的目标被攻击的次数视目标信息而定： 其中，mj表示Tj被攻击的次数；为了缩短无人机在同一目标处的停留时间，降低无人机被击毁的风险，任务分配问题中需满足协同约束，即同一个目标的不同的攻击任务需由不同的无人机执行：aij≤1,i∈{1,2,…,NU},j∈{1,2,…,NT}3其中，aij表示Ui执行Tj攻击任务的次数；步骤1-3：设定优化模型的目标函数为了以最低的作战代价获得最高的作战收益，将目标函数设定为最大化无人机执行任务获得的收益及最小化损毁的无人机的总价值；在考虑无人机和目标被摧毁的概率的前提下，可以通过使用期望构建上述两个目标函数；i最大化被摧毁的目标的价值期望 ii最小化被摧毁的无人机的价值期望 步骤1-4：构建协同任务分配多目标优化模型基于设定的约束条件和目标函数构建模型，即： 其中，Fx＝-f1x,f2xT；步骤2：利用改进多目标遗传算法，求解构建的多目标优化问题，生成Pareto解集步骤2-1：设定改进遗传算法参数设定种群规模N、最大迭代次数G、交叉概率Pc及变异概率Pm的值；步骤2-2：初始化种群染色体的编码方式采用二进制矩阵编码；一个染色体的生成方式为随机选择一个目标，并随机选择有能力执行任务的无人机进行分配，直至目标被全部分配或者弹药资源为零；基于此方式，随机生成一个规模为N的种群Pg，其中g＝0；步骤2-3：确定初始化种群中每个个体所处的前端计算出每个个体的目标函数值F1x和F2x，根据非支配快速排序方法确定每个个体所处的前端；步骤2-4：通过交叉变异操作生成子种群步骤2-4-1：选择交叉父代利用轮盘赌方法选择交叉父代P1，P2；步骤2-4-2：对选择的父代进行交叉操作随机生成一个0至1间的数，若其小于Pc，则进行交叉操作；随机选择两个交叉点，对两个染色体P1和P2交叉点内的列进行交叉操作，从染色体的第一个交叉列开始依次进行交叉直至最后一个交叉列；根据不同的资源情况选择不同的交叉方式；i无人机群总的载弹量大于攻击任务总量；以P1的第一交叉列进行说明，如果执行P2交叉列内的任务与P1中有剩余弹药的无人机集合的交集不为空集，那么从该集合中随机选择一架无人机替换P1第一交叉列中的无人机，否则，从父代P1的有剩余弹药的无人机集合中随机选择一架无人机替换P1第一交叉列中的无人机；若交叉后的染色体满足约束，则该列交叉成功，否则，重复上述过程直至满足约束；ii无人机群总的弹药量等于攻击任务总量；以P1的第一交叉列进行说明，记P1的第一交叉列中的无人机为如果执行P2交叉列内的任务但不执行P1第一交叉列任务的无人机集合不为空集，那么从该集合中随机选择一架无人机替换第一交叉列中的并从P1中随机选择一个无人机为的列，用替换该列中的如果执行P2交叉列内的任务但不执行P1第一交叉列任务的无人机集合为空集，那么从P1中随机选择一个列，将其与第一个交叉列的无人机信息互换；若交叉后的染色体满足约束，则该列交叉成功，否则，重复上述过程直至满足约束；iii无人机群总的弹药量小于攻击任务总量以P1的第一交叉列为例，记P1的第一交叉列中的目标为如果P2交叉列内的目标集合与P1中未执行的目标的集合的交集不为空集，那么从该集合中随机选择一个目标替换P1第一交叉列中的目标若的攻击任务量大于的攻击任务量，则从P1中随机选择目标，将分配给其的无人机重新分配给直至的任务均被分配；若的攻击任务量等于的攻击任务量，则将均置换为若的攻击任务量小于的攻击任务量，则从P1中未执行的目标中选择攻击任务量合适的目标进行分配；步骤2-4-3：对交叉子代进行变异操作将交叉操作得到的两个交叉子代记作O1，O2；以O1为例，随机生成一个0至1间的数，若其小于Pm，则进行变异操作；随机选择一个变异点，根据O1的具体信息，选择相应的变异方式；iO1中有剩余资源的无人机集合不为空集；从该集合中随机选择一架无人机替换变异列中无人机的信息；iiO1中有剩余资源的无人机集合为空集；从O1中随机选择一列与变异列交换无人机信息；若变异后的染色体满足约束，那么变异成功，否则重复上述过程，直至变异成功；步骤2-4-4：生成子种群利用交叉变异操作生成规模为N的子种群Sg；步骤2-5：合并种群将父代种群Pg与子代种群Sg合并为规模为2N的种群Qg；步骤2-6：生成新的父代种群利用步骤2-3中的方法确定个体所处的前端，从第一前端开始选择个体，然后从第二前端选择个体，以此类推，直至选择出N个个体组成新的父代种群Pq；步骤2-7：令g＝g+1，q＝g；步骤2-8：若g＜G，则转至步骤2-3，否则，对Pg的个体进行非支配快速排序，输出Pareto解集；步骤3：制定可行解评价与选取策略，从Pareto解集中选择一个非支配解，并将之设定为任务预分配方案步骤3-1：目标函数值归一化如果目标函数值的量纲或数量级不同，那么对Pareto解集中解的目标函数值进行归一化处理，否则，不作处理；步骤3-2：将Pareto解的目标函数值加权求并排序设定Pareto解集中包含m个解，并将Pareto最优前端上处理后的第i个非支配解的第j个目标函数值记作对每一个非支配解的目标函数值加权求和，得到： 其中，n表示目标函数Fx的维度，αj表示权重；比较集合S中元素的大小，选择最小的元素对应的解为任务规划方案；步骤4：当发生新增敌方目标或我方无人机故障后，触发任务重分配机制，建立任务重分配模型步骤4-1：设定目标函数及约束条件设定新发现的敌方目标为s1个，记为新发现的目标集合，设定发生故障的无人机为s2架，记为未发生故障的无人机集合；任务重分配的目标函数需基于任务分配阶段目标函数进行设定： 其中，j∈{1,2,…,s1}，表示被替换下来的目标，其中，jr∈{1,2,…,NT+j-1}，α1，α2为权重，其取值与步骤3中的值一致；约束条件与任务分配阶段的约束条件一致；步骤4-2：构建任务重分配模型 步骤5：基于建立的任务重分配模型，采用合同网算法进行既有任务分配方案的快速调整步骤5-1：设定参数设定置换合同的最大循环置换次数Gic，同时，给出和的值；步骤5-2：发布招标任务招标者发布任务步骤5-3：计算剩余弹量计算无人机Ui的剩余弹量，记作其中，步骤5-4：选择合同类型考虑两种合同，分别为买卖合同与置换合同；无人机Ui以收益将目标买入的合同为买卖合同，记作无人机Ui用目标替换目标收益为的合同为置换合同，记作如果那么Ui可执行置换合同与买卖合同，否则，Ui仅能执行置换合同；步骤5-5：投标及中标投标者投递合同，招标者对收到的合同进行评估，选择收益最大的合同作为中标合同，并广播中标信息；中标者对发布任务进行执行并将执行情况反馈给招标者；步骤5-6：j＝j+1步骤5-7：终止条件若j≤s1，则转到步骤5-2，否则，终止运算。

全文数据：

权利要求：

百度查询： 大连理工大学 融合多目标进化算法和合同网算法的多无人机系统任务分配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD