一种基于改进合同网算法的无人机集群任务分配方法
文献发布时间:2024-01-17 01:26:37
技术领域
本发明涉及无人机集群协同控制技术领域,尤其涉及一种基于改进合同网算法的无人机集群任务分配方法。
背景技术
无人机(UAV)起源于军事领域,具有可重复使用、可回收、无人员伤亡、持续工作能力强、全寿命周期成本低等优势。由于作战环境的日益复杂,以及单架无人机的执行任务能力有限,多无人机集群协同作战将成为未来无人机作战的重要发展趋势,且集群协同作战能实现无人机之间的能力互补,从而提升整个系统的效能。而高效、合理的任务分配方法,是发挥多无人机集群协同作战优势、实现资源有效利用的前提。
目前国内外对无人机集群任务分配技术已进行了多方面的探索与研究,不少研究成果在静态环境下也能较好地达到目标。然而随着无人机数量的增多,现有方案效率低、收敛速度慢,且目前的方法基本没有考虑不同任务目标的不确定性和随时可能出现的突发情况。因此,急需一种适用于环境与任务动态变换情况下的基于改进合同网算法的无人机集群任务分配方法。
发明内容
本发明的目的在于提供一种基于改进合同网算法的无人机集群任务分配方法,用以解决现有无人机集群由于任务冲突导致资源浪费甚至任务失败问题。
本申请提供一种基于改进合同网算法的无人机集群任务分配方法,方法包括以下步骤:
步骤1、结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型;
步骤2、结合无人机集群作业环境信息,建立无人机集群任务预分配的损失代价模型;
步骤3、基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型;
步骤4、结合任务重分配问题需求,建立无人机集群任务重分配的损失代价模型;
步骤5、根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型;
步骤6、基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案。
可选的,结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型,包括:
记P
其中,M为无人机数量,N为需要打击的目标数量,I
任务分配的目标对应为获得价值函数最大值
可选的,结合无人机集群作业环境信息,建立无人机集群任务预分配的损失代价模型,包括:
步骤2-1,确定受击损失函数y
记Q
其中,M为无人机数量,N为需要打击的目标数量,L
步骤2-2,确定航迹代价函数y
假设无人机U
其中,D
其中,M为无人机数量,
步骤2-3,确定弹药损耗函数y
无人机U
其中,M为无人机数量,N为需要打击的目标数量,
可选的,基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型,包括:
综合目标价值函数、受击损失函数、航迹代价函数以及弹药损耗函数,进行多目标优化,获得整体评价函数为:
minf(W)=(1-y
整体评价函数为无人机集群协同任务分配的整体模型;
无人机集群任务分配模型中定义的约束条件如下:
(1)战术约束c
为了防止无效打击和重复打击等影响任务效能的情况出现,规定每个目标只能被一个无人机执行一次任务:
(2)能力约束c
为了防止无人机分配到的任务超出自身能力,规定无人机执行的任务数量受限于自身携带的弹药数量:
其中,A
(3)任务约束c
为了防止任务分配过程中产生遗漏,规定所有的目标都需要被分配到任务:
其中,N
通过加权求和将各项目标函数和约束条件换为单目标优化问题,并给出综合评价函数Y(Task):
Y(Task)=σ
其中σ
可选的,根据任务重分配问题需求,建立无人机集群任务重分配的损失代价模型,包括:
假设无人机Ui分配的任务序列为S
其中,M为无人机数量,Com
可选的,根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型,包括:
结合任务预分配模型中的目标价值函数y1,受击损失函数y2,航迹代价函数y3和弹药损耗函数y4,任务分配的整体效能函数定义为:
其中α和β为0到1之间的权重系数,且α+β=1;
可选的,基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案,包括:
步骤6-1:招标者将任务信息传递给所有参与投标的成员;
步骤6-2:所有成员在个人能力胜任任务需求的前提下生成含有个人信息的标书,然后交给招标者,若无人中标,则算法结束;
其中,标书的生成过程引入了负载均衡缓冲池机制,允许投标者对多项任务进行投标且可以签订多项合同;
无人机负载率通过以下方法确定:
load
其中,load
当上层控制作为招标者发布新任务时,参与拍卖的无人机的负载率低于平均负载率时才能参加投标;
步骤6-3:投标方依据标书挑选和授权给予评估最高级别的会员,若另一方同意即签署合同,剩余投标方等待剩余工作下达,若反对则执行步骤6-1;
步骤6-4:中标者成功完成任务,向招标者反馈任务信息,否则招标者执行步骤6-1。
本申请还提供基于改进合同网算法的无人机集群任务分配方法的系统,系统包括:
构建模块,用于结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型;以及用于结合作业环境信息,建立无人机集群执行任务过程中的损失代价模型;以及基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型;以及结合任务重分配问题需求,建立无人机集群任务重分配的损失代价模型;以及根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型;
决策模块用于基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案。
本发明与现有技术相比,其显著优点为:(1)本发明针对复杂环境下无人机任务预分配问题的需求与约束,构建相应的任务预分配模型;在任务预分配策略无法执行的情况下,针对传统合同网算法存在的不足,引入了缓冲池及负载均衡的策略,保证了分配结果的负载均衡;基于改进合同网算法构建任务分配模型,充分利用无人机对目标的执行效果信息和路径信息,实现对无人机集群协同任务的高效分配。(2)本发明提供的基于改进合同网算法的无人机集群任务分配方法高效率地将各类任务合理分配给无人机编队,使系统的各种性能指标最优,发挥无人机编队协同工作效能,提高了无人机集群任务分配的有效性和实时性。
附图说明
图1为本发明基于改进合同网算法的无人机集群任务分配方法的流程图。
图2为本发明改进的合同网算法流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。
结合图1,本申请提供一种基于改进合同网算法的无人机集群任务分配方法,包括:
步骤1、结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型;
步骤2、结合无人机集群作业环境信息,建立无人机集群任务预分配的损失代价模型;
步骤3、基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型;
步骤4、结合任务重分配问题需求,建立无人机集群任务重分配的损失代价模型;
步骤5、根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型;
步骤6、基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案。
具体的,步骤1中,根据权利要求1所述的基于改进合同网算法的无人机集群任务分配方法,其特征在于,结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型,包括:
记P
其中,M为无人机数量,N为需要打击的目标数量,I
任务分配的目标对应为获得价值函数最大值
步骤2中,结合无人机集群作业环境信息,建立无人机集群任务预分配的损失代价模型,包括:
步骤2-1,确定受击损失函数y
记Q
其中,M为无人机数量,N为需要打击的目标数量,L
步骤2-2,确定航迹代价函数y
假设无人机U
其中,D
其中,M为无人机数量,
步骤2-3,确定弹药损耗函数y
无人机U
其中,M为无人机数量,N为需要打击的目标数量,
步骤3中,基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型,包括:
综合目标价值函数、受击损失函数、航迹代价函数以及弹药损耗函数,进行多目标优化,获得整体评价函数为:
minf(E)=(1-y
整体评价函数为无人机集群协同任务分配的整体模型;
无人机集群任务分配模型中定义的约束条件如下:
(1)战术约束c
为了防止无效打击和重复打击等影响任务效能的情况出现,规定每个目标只能被一个无人机执行一次任务:
(2)能力约束c
为了防止无人机分配到的任务超出自身能力,规定无人机执行的任务数量受限于自身携带的弹药数量:
其中,A
(3)任务约束c
为了防止任务分配过程中产生遗漏,规定所有的目标都需要被分配到任务:
其中,N
通过加权求和将各项目标函数和约束条件换为单目标优化问题,并给出综合评价函数Y(Task):
Y(Task)=σ
其中σ
步骤4中,根据任务重分配问题需求,建立无人机集群任务重分配的损失代价模型,包括:
假设无人机Ui分配的任务序列为S
其中,M为无人机数量,Com
步骤5中,根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型,包括:
结合任务预分配模型中的目标价值函数y1,受击损失函数y2,航迹代价函数y3和弹药损耗函数y4,任务分配的整体效能函数定义为:
其中α和β为0到1之间的权重系数,且α+β=1。
步骤6中,基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案,包括:
步骤6-1:招标者将任务信息传递给所有参与投标的成
步骤6-2:所有成员在个人能力胜任任务需求的前提下生成含有个人信息的标书,然后交给招标者,若无人中标,则算法结束;
其中,标书的生成过程引入了负载均衡缓冲池机制,允许投标者对多项任务进行投标且可以签订多项合同;
无人机负载率通过以下方法确定:
load
其中,load
当上层控制作为招标者发布新任务时,参与拍卖的无人机的负载率低于平均负载率时才能参加投标;
步骤6-3:投标方依据标书挑选和授权给予评估最高级别的会员,若另一方同意即签署合同,剩余投标方等待剩余工作下达,若反对则执行步骤6-1;
步骤6-4:中标者成功完成任务,向招标者反馈任务信息,否则招标者执行步骤6-1。
改进合同网算法的流程图如图2所示。
本申请还提供一种基于改进合同网算法的无人机集群任务分配方法的系统,其特征在于,系统包括:
构建模块,用于结合无人机集群作业环境信息,建立无人机集群任务预分配的目标收益模型;以及用于结合作业环境信息,建立无人机集群执行任务过程中的损失代价模型;以及基于任务预分配的目标收益和损失代价模型,加入无人机集群执行任务过程中的约束条件,建立无人机集群协同任务预分配模型;以及结合任务重分配问题需求,建立无人机集群任务重分配的损失代价模型;以及根据无人机集群任务预分配模型和任务重分配损失代价模型,建立任务分配效能函数模型;
决策模块用于基于改进合同网算法对效能函数模型进行优化,得到任务分配的最优方案。
相应的,本申请提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时本申请提供的方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时本申请提供的方法的步骤。
本发明针对复杂环境下无人机任务预分配问题的需求与约束,构建相应的任务预分配模型;在任务预分配策略无法执行的情况下,针对传统合同网算法存在的不足,引入了缓冲池及负载均衡的策略,保证了分配结果的负载均衡;基于改进合同网算法构建任务分配模型,充分利用无人机对目标的执行效果信息和路径信息,实现对无人机集群协同任务的高效分配。本发明提供的基于改进合同网算法的无人机集群任务分配方法高效率地将各类任务合理分配给无人机编队,使系统的各种性能指标最优,发挥无人机编队协同工作效能,提高了无人机集群任务分配的有效性和实时性。
- 基于改进合同网算法的多无人机动态任务分配方法
- 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