SEAD任务场景下一种基于多类型基因染色体遗传算法的异构多无人机任务规划方法

技术领域

本发明涉及SEAD人物场景下异构多无人机任务规划领域，主要用于有限的时间内为无人机集群在完成任务时间较低的前提下，分配合理的任务序列并生成无人机集群的真实飞行路径。

背景技术

近年来，无人机技术得到了广泛的发展。然而，由于单架无人机的低生存能力和有效载荷有限，很难完成镇压敌方防空(SEAD)任务。因此，多无人机协同执行任务是不可避免的趋势。由于任务环境的复杂性、多无人机系统成员间的差异、任务需求的复杂性、计算复杂性，任务分配已经成为多无人机系统中最具挑战性的问题之一。

发明内容

发明目的：以往无人机的任务分配的一些研究只考虑了单一类型的任务或同构无人机。由于缺乏考虑多种类型的任务和异构无人机，以前的这些方法不能直接应用于SEAD任务场景。所以如何通过无人机轨迹优化在有限的通信范围内有效完成数据采集任务成为了主要的技术问题。

为解决该技术问题，本发明提出了一种SEAD任务场景下一种基于多类型基因染色体遗传算法的异构多无人机任务规划方法，能够在有限的时间内为无人机集群在完成任务时间较低的前提下，分配合理的任务序列并生成无人机集群的真实飞行路径。

技术方案：为实现上述技术效果，本发明提出的技术方案为：

SEAD任务场景下一种基于多类型基因染色体遗传算法的异构多无人机任务规划方法，其特征在于，包括步骤：

(1)构建系统组合优化模型，该模型主要针对异构固定翼无人机集群的协同作战问题，考虑了有限资源(例如如弹药资源)和运动学的限制。作战目标是一个带时间优先约束的静止地面目标：

1)假设有N

2)每个目标上需要分别执行3个任务，任务集合如下：

M

其中，C表示侦查识别任务，A表示攻击任务，V表示毁伤评估任务。并且A任务需要在C任务完成之后执行，同样V任务需要在A任务完成执行。

4)假设有有N

其中t代表无人机的类型，无人机集群中共有3种异构无人机，无人机类型有侦察型无人机(Surveillance)，攻击型无人机(Combat)，弹药型无人机(Munition)，不同无人机功能及可以执行的任务见表一。

表一无人机类型

4)为了更加切合真实飞行路径，该方法引入Dubins曲线来生成无人机的飞行路径。无人机的位形可以用3个状态变量表示，即平面笛卡尔惯性坐标x与y，和UAV的航向

其中式中，V

5)本章采用航向角离散化方法对无人机的航向角进行离散化处理，并采用其CMTAP问题图论描述方法进行问题描述。该方法将无人机的航向角离散化，成为固定的整数角度值，并对应的将UAV的可能位形及其路径以一个有向图的方式表达出来，某些基本的表达式如下所示：

其中，

6)该方的优化目标为任务执行的总时间，目标函数如下所示：

(2)为了快速搜索解空间，找到目标函数值尽量低的解，我们设计了一种多类型基因染色体遗传算法，考虑到遗传算法迭代过程中，可能会产生死锁的染色体，我们还另外设计了一个基于任务执行优先级有向图的死锁检测与解除算法。

1)解的编码形式：

多类型基因染色体编码是遗传算法的关键部分。我们把任务分配方案的形式，也就是染色体，编码成5行N列矩阵的形式。N为基因数。染色体的每一列就是一个基因，一个基因有三部分：第一部分为矩阵一二两行，代表目标与任务的组合序列；第二部分是矩阵第三、第四行，第三行代表执行由一二行确定的任务由哪一个无人机执行，第四行为其目标接近角度

2)初始化算子：

初始化算子用于获得进化过程的初始种群。

初始化算子的细节如下：

步骤一：根据，生成染色体的前两行。然后从集合中为每个基因随机选择一个对应功能的无人机和一个目标接近角度

步骤二：按照无人机序号对染色体进行排序，生成基于无人机顺序的染色体。

步骤三：运行无死锁算法，保证染色体的可行性。

步骤四：重复步骤一到步骤三N

3)交叉算子：

在交叉过程中，通过轮盘赌方法随机选择两条父染色体，生成一对子染色体。选择父染色体的概率由父染色体的适应度函数值决定。我们使用单点杂交方法产生子染色体。初始化方法如下：

步骤一：将基于无人机顺序的染色体转换为基于目标顺序的染色体。

步骤二：随机选择染色体交叉部分的起点和终点。

步骤三：交换在起点和终点之间的基因，产生两条子染色体。

步骤四：如果交换后的染色体违反了无人机的资源约束或者多重攻击的基因由同一个无人机执行，随机为该基因选择一个对应的另一个对应功能的无人机。更新资源表。

步骤五：对两个染色体运行死锁检测与解除算法。

步骤六：根据染色体的第五行以及无人机顺序，将基于目标顺序的染色体转换为基于无人机顺序的染色体。

4)变异算子：

变异算子可以避免算法收敛到局部最优，帮助遗传算法收敛到全局最优解。我们的变异方法改变基因的无人机以及目标接近角

5)死锁检测与解除算法：

步骤一：根据染色体，生成时序优先有向图。

步骤二：有向图深度优先遍历，检测有向图中是否有循环，如果有，说明染色体是死锁解，如果没有，直接返回原染色体。

步骤三：根据染色体，确定循环中的每条边是由无人机的执行序列还是时序优先约束生成的。

步骤四：反转无人机执行序列生成的边。

步骤五：根据修改后的时间优先有向图更新染色体。

(3)针对寻找到的最优染色体，根据Dubins曲线以及任务的时序约束设计一种路径延长算法为无人机集群生成真实飞行路径：

若UAV执行的是非同时性的任务，在其到达指定目标后附加若干个以其最小转弯半径为半径的等待圆(也就是最小转弯圆)，直到满足时间要求；若执行的是同时性任务，则相对复杂些：若UAV需延长的路径长度不小于其最小转弯圆的周长，则附加若干个半径在[ρ

附图说明

图1多类型基因染色体遗传算法的算法流程图。

图2是多类型基因染色体遗传算法的编码策略。

图3是多类型基因染色体遗传算法的的初始化算子。

图4是一个死锁染色体的实例。

图5是基于图3中死锁染色体导出的任务时序优先有向图。

图6是运行解锁后染色体的任务时序优先有向图。

图7是多类型基因染色体遗传算法分配后的无人机集群轨迹图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

图1为算法流程图，首先我们需要设置算法的一些必要参数，如迭代次数、种群大小、交叉变异的概率。接着使用初始化算子生成初始种群。下一步运行死锁检测与解除算法来确保初始种群中没有死锁的染色体。下一步计算每个染色体也就是可行解的目标函数值，根据目标函数值选择交叉的双亲染色体。再次运行死锁解除算法。重复迭代上述步骤直到达到迭代次数。最后根据最优解生成无人机集群的飞行路径。

图2为染色体编码的一个例子：

如图所示染色体的第一行是SEAD任务中的目标序号，第二行是目标的任务类型，每个目标下需要执行3个任务，分别为侦查识别任务代号为-1，攻击型任务第二行大于0，其数值为需要共同执行该任务的无人机数量以及毁伤评估任务代号为-2。图中橙色基因为攻击型基因。第三行是无人机序号，无人机的功能要和对应的任务类型对应，例如无人机1是侦察型无人机只能执行侦查任务，无人机2是攻击型无人机只能执行攻击型任务，无人机3是混合型无人机能执行侦查任务和攻击型任务。第四行为无人机的目标接近角度，在这里我们采用了离散化方法将2π的角度离散成18分，第四行x代表无人机目标接近角为(2π/18)x。染色体第五行是基因的顺序。

图3是是多类型基因染色体遗传算法的的初始化算子的流程图。

初始化算子的目的是来生成遗传算法的初始种群，如图3所示，首先我们根据目标信息生成目标-任务类型的所有组合，也就是染色体的前两行。然后根据任务类型随机选择一个对应功能的无人机和一个目标接近角度

图4是一个死锁染色体的实例。

无人机之间相互等待各自完成其任务以便开始各自的下一个任务，可是由于指派给它们的任务之间存在时间冲突，导致它们无法完成指派给它们的任务，从而陷入无限的等待之中。

图5是基于图4中死锁染色体导出的任务时序优先有向图。

首先根据图3中的染色体，生成任务执行优先有向图。任务执行时序约束是由任务类型以及无人机执行任务的顺序共同组成的，如图4所示，完成基因6的任务需要无人机3先完成基因5中的任务，完成基因5中的任务也就是目标2的毁伤评估任务需要完成目标2的攻击任务，即基因4以及基因7中的任务，然而执行基因7中的任务有需要无人机3先完成基因6中的任务，所以基因5，6，7陷入了相互等待的僵局。

为了解除死锁首先要发现死锁，先对有向图深度优先遍历，检测有向图中是否有循环，如果有，说明染色体是死锁解。如图5所示，我们找到有向图中的环。无人机的执行顺序可以改变，但目标任务的时序不可以改变，所以下一步需要根据染色体，确定循环中的每条边是由无人机的执行序列还是时序优先约束生成的。由无人机执行顺序带来的有向图的边为5 →6，6→7。反转无人机执行序列生成的边。根据修改后的时间优先有向图更新染色体。

图6是运行解锁后染色体的任务时序优先有向图。

图7是多类型基因染色体遗传算法分配后的无人机集群轨迹图。

如图7所示，该场景下共有5个目标和7架无人机，目标1由无人机3独自执行，由于固定翼无人机无法悬停，所以无人机3每执行完目标1上任务集合(C，A，V)的一个任务都需要绕目标1以最小转弯半径绕飞一圈，再去执行下一个任务。目标2上C任务由无人机1执行，目标2上的A任务需要两架无人机同时执行，所以无人机1需要和无人机6同时到达目标2，为此需要延长无人机6的飞行路径以满足时间要求，我们对无人机6从目标5飞向目标2的路径进行延长，使无人机1与无人机6同时到达目标2执行A任务。同理目标3上的任务集合由无人机4与无人机5共同完成；目标4的任务集由无人机3、无人机2与无人机7共同完成。目标5的任务集由无人机6无人机7无人机2共同完成。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。