一种无人节点的集群组织方法及装置制造方法及图纸

技术编号:20362724 阅读:62 留言:0更新日期:2019-02-16 16:27
本发明专利技术公开了一种无人节点的集群组织方法及装置,涉及计算机领域。该方法包括:当确定满足任务约束的无人节点的数量为零时,根据适应度函数确定每个初始个体的第一适应度函数值和第二适应度函数值,根据轮盘赌旋转法得到第一复制种群;根据所述第一适应度函数值排序的初始个体,将第一复制种群内包括的多个第一复制个体进行交叉得到交叉个体;根据变异概率选择至少两个交叉个体进行变异,并确定变异个体的第三适应度函数值;当确定迭代次数达到设定值时,将最大的所述第三适应度函数值的所述变异个体确定为最优结果,当确定所述最优结果的基因编码为1时,确定与所述最优结果对应的无人节点加入任务联盟。

【技术实现步骤摘要】
一种无人节点的集群组织方法及装置
本专利技术涉及计算机领域,更具体的涉及一种无人节点的集群组织方法及装置。
技术介绍
无人节点指的是包括无人机、机器人、无人车等在内的单一无人系统,无人节点具有一定的通信、感知、自主行动、群体合作能力。无人节点群是由大量无人节点组成,具有规划、自组织、群体协同能力的,面向并行多任务的集群系统。目前对于无人节点集群的研究主要涉及任务分配、协同算法、集群通信、等问题。然而对大规模无人节点集群的组织问题研究少之又少。随着无人节点集群中节点数量的不断增加及任务场景的动态变化,无人节点群的通信、控制、决策等难度不断增加,使得面向任务的无人节点集群组织的问题显得尤为重要。并行任务驱动的无人节点群组织指的是依据不同无人节点的能力和资源,组织不同的无人节点协同完成多个任务。针对任务驱动的集群组织问题,目前的解决方法包括:1)基于角色的方法,该方法的核心思想是:组织管理者划分任务,建立角色集合,角色由子目标、能力需求、收益三个要素组成,然后进行角色招聘,无人节点提出期望承担的角色,由组织管理者决定角色的归属,最后组织管理者组织这些无人节点去完成各自的子目标;2)基于拍卖的方法,该方法的核心思想是:组织管理者划分任务,下达多个任务标书进行拍卖,任务标书由任务时间、地点、能力需求、约束四个要素组成,无人节点对标书进行评估,提交包含“任务适应度”的竞价信息,由组织管理者决定拍卖结果,最后组织管理者组织这些无人节点去完成各自的任务。上述两种方法存在几个共同问题,一是无人节点可能无法单独完成子任务,需要将任务划分到足够小;二是角色、竞价信息难于刻画,难于实现,难于适用于现实应用场景;三是在规模较大的情况下,组织效率低,难于支撑规模化无人节点集群的应用。
技术实现思路
本专利技术实施例提供一种无人节点的集群组织方法及装置,用以解决现有技术并行任务驱动存在无人节点无法完成子任务,难于适用于现实应用场景以及组织效率低的问题。本专利技术实施例提供一种无人节点的集群组织方法,包括:当确定满足任务约束的无人节点的数量为零时,设定一个包括多个初始个体的初始种群,所述初始个体是一个包括多位二进制的基因编码;根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,根据轮盘赌旋转法从所述初始种群内选择多个所述初始个体,得到第一复制种群;通过交叉概率和根据所述第一适应度函数值排序的所述初始个体,将所述第一复制种群内包括的多个第一复制个体进行交叉,得到多个交叉个体;根据变异概率从多个所述交叉个体中选择至少两个所述交叉个体进行变异,并确定变异个体的第三适应度函数值;当确定迭代次数达到设定值时,将具有最大的所述第三适应度函数值的所述变异个体确定为最优结果,当确定所述最优结果的基因编码为1时,确定与所述最优结果对应的无人节点加入任务联盟。优选的,还包括:当确定满足所述任务约束的所述无人节点的数量为多个时,确定多个所述无人节点的能力超出程度,将超出程度最低的所述无人节点确定为第一无人节点;其中,所述第一无人节点用于负责有所述任务约束的任务;通过下列公式确定所述无人节点的能力超出程度:CS=CL+CPCP=(||perceptionNi||-||perceptionT||)*w2其中,CL表示负载能力的超出程度,loadNi表示无人节点的负载能力值,loadT表示任务对负载能力的需求值,CP表示感知能力的超出程度,||perceptionNi||表示无人节点感知能力的总个数,||perceptionT||表示任务对感知能力需求的总个数,Nodes={Ni|i={1,2,3,...n}},Tasks={Ti|i={1,2,3,...m}},w1表示负载能力超出程度的权重,w2表示感知能力超出程度的权重。优选的,采用五元组对所述无人节点进行描述:Unmanned-Node=<Uid,Type,Capability,Location,State>采用四元组对所述任务进行描述:Task=<Tid,Location,Time,Capability>其中,Uid表示无人节点的ID,Type表示无人节点类型,Capability表示无人节点的能力,Location表示无人节点的最大负载能力,State表示当前无人节点的状态;Tid表示任务ID,Location表示任务的空间位置信息,Time表示任务的时间约束,Capability表示任务的能力需求。优选的,所述根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,具体包括:通过下列公式确定所述初始个体的第一适应度函数值:f(Q)=cost(Q)+r1*P(Q)+r2*|H(Q)|通过下列公式确定所述初始个体的第二适应度函数值:newf(Qi)=maxValue=max(f(Qi))+100所述根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值之后,还包括:分别通过下列公式确定所述初始个体的选择概率和所述初始个体的累积概率:其中,f(Q)表示初始个体Q的适应度,cost(Q)表示初始个体Q的成本,P(Q)表示初始个体Q在负载能力方面的惩罚值,H(Q)表示初始个体Q在感知能力方面的惩罚值,newf(Qi)所述初始个体的第二适应度函数值,P(Qi)为所述初始个体的选择概率,Sum(Qi)为所述初始个体的累积概率,r1表示负载能力惩罚值的权重,r2表示感知能力惩罚值的权重。优选的,确定与所述最优结果对应的无人节点加入任务联盟之后,还包括:当所述任务联盟内只包括一个所述无人节点时,确定所述无人节点为所述任务联盟的管理员;或者当所述任务联盟包括多个所述无人节点时,按照能力值确定具有最大能力值的所述无人节点为所述任务联盟的管理员;所述能力值公式如下所示:scorei={loadi|perceptioni|}·{U1U2}T其中,load表示无人节点的负载能力,|perception|表示无人节点感知能力的个数,U1表示负载能力的权重,U2表示感知能力的权重。本专利技术实施例还提供一种无人节点的集群组织装置,包括:得到单元,用于当确定满足任务约束的无人节点的数量为零时,设定一个包括多个初始个体的初始种群,所述初始个体是一个包括多位二进制的基因编码;根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,根据轮盘赌旋转法从所述初始种群内选择多个所述初始个体,得到第一复制种群;第一确定单元,用于通过交叉概率和根据所述第一适应度函数值排序的所述初始个体,将所述第一复制种群内包括的多个第一复制个体进行交叉,得到多个交叉个体;根据变异概率从多个所述交叉个体中选择至少两个所述交叉个体进行变异,并确定变异个体的第三适应度函数值;第二确定单元,用于当确定迭代次数达到设定值时,将具有最大的所述第三适应度函数值的所述变异个体确定为最优结果,当确定所述最优结果的基因编码为1时,确定与所述最优结果对应的无人节点加入任务联盟。优选的,还包括:第三确定单元,用于当确定满足所述任务约束的所述无人节点的数量为多个时,确定多个所述无人节点的能力超出程度,将超出程度最低的所述无人节点确定为第一无人节点;其中,所述第一无人节点用于负责有所述任务约束的任务;通过下列公式确定所述无人节点本文档来自技高网
...

【技术保护点】
1.一种无人节点的集群组织方法,其特征在于,包括:当确定满足任务约束的无人节点的数量为零时,设定一个包括多个初始个体的初始种群,所述初始个体是一个包括多位二进制的基因编码;根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,根据轮盘赌旋转法从所述初始种群内选择多个所述初始个体,得到第一复制种群;通过交叉概率和根据所述第一适应度函数值排序的所述初始个体,将所述第一复制种群内包括的多个第一复制个体进行交叉,得到多个交叉个体;根据变异概率从多个所述交叉个体中选择至少两个所述交叉个体进行变异,并确定变异个体的第三适应度函数值;当确定迭代次数达到设定值时,将具有最大的所述第三适应度函数值的所述变异个体确定为最优结果,当确定所述最优结果的基因编码为1时,确定与所述最优结果对应的无人节点加入任务联盟。

【技术特征摘要】
1.一种无人节点的集群组织方法,其特征在于,包括:当确定满足任务约束的无人节点的数量为零时,设定一个包括多个初始个体的初始种群,所述初始个体是一个包括多位二进制的基因编码;根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,根据轮盘赌旋转法从所述初始种群内选择多个所述初始个体,得到第一复制种群;通过交叉概率和根据所述第一适应度函数值排序的所述初始个体,将所述第一复制种群内包括的多个第一复制个体进行交叉,得到多个交叉个体;根据变异概率从多个所述交叉个体中选择至少两个所述交叉个体进行变异,并确定变异个体的第三适应度函数值;当确定迭代次数达到设定值时,将具有最大的所述第三适应度函数值的所述变异个体确定为最优结果,当确定所述最优结果的基因编码为1时,确定与所述最优结果对应的无人节点加入任务联盟。2.如权利要求1所述的方法,其特征在于,还包括:当确定满足所述任务约束的所述无人节点的数量为多个时,确定多个所述无人节点的能力超出程度,将超出程度最低的所述无人节点确定为第一无人节点;其中,所述第一无人节点用于负责有所述任务约束的任务;通过下列公式确定所述无人节点的能力超出程度:CS=CL+CPCP=(||perceptionNi||-||perceptionT||)*w2其中,CL表示负载能力的超出程度,loadNi表示无人节点的负载能力值,loadT表示任务对负载能力的需求值,CP表示感知能力的超出程度,||perceptionNi||表示无人节点感知能力的总个数,||perceptionT||表示任务对感知能力需求的总个数,Nodes={Ni|i={1,2,3,...n}},Tasks={Ti|i={1,2,3,...m}},w1表示负载能力超出程度的权重,w2表示感知能力超出程度的权重。3.如权利要求2所述的方法,其特征在于,采用五元组对所述无人节点进行描述:Unmanned-Node=<Uid,Type,Capability,Location,State>采用四元组对所述任务进行描述:Task=<Tid,Location,Time,Capability>其中,Uid表示无人节点的ID,Type表示无人节点类型,Capability表示无人节点的能力,Location表示无人节点的最大负载能力,State表示当前无人节点的状态;Tid表示任务ID,Location表示任务的空间位置信息,Time表示任务的时间约束,Capability表示任务的能力需求。4.如权利要求1所述的方法,其特征在于,所述根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值,具体包括:通过下列公式确定所述初始个体的第一适应度函数值:f(Q)=cost(Q)+r1*P(Q)+r2*|H(Q)|通过下列公式确定所述初始个体的第二适应度函数值:newf(Qi)=maxValue-f(Qi)=max(f(Qi))+100-f(Qi)所述根据适应度函数确定每个所述初始个体的第一适应度函数值和第二适应度函数值之后,还包括:分别通过下列公式确定所述初始个体的选择概率和所述初始个体的累积概率:其中,f(Q)表示初始个体Q的适应度,cost(Q)表示初始个体Q的成本,P(Q)表示初始个体Q在负载能力方面的惩罚值,H(Q)表示初始个体Q在感知能力方面的惩罚值,newf(Qi)所述初始个体的第二适应度函数值,P(Qi)为所述初始个体的选择概率,Sum(Qi)为所述初始个体的累积概率,r1表示负载能力惩罚值的权重,r2表示感知能力惩罚值的权重。5.如权利要求1所述的方法,其特征在于,确定与所述最优结果对应的无人节点加入任务联盟之后,还包括:当所述任务联盟内只包括一个所述无人节点时,确定所述无人节点为所述任务联盟的管理员;或者当所述任务联盟包括多个所述无人节点时,按照能力值确定具有最大能力值的所述无人节点为所述任务联盟的管理员;所述能力值公式如下所示:scorei={loadi|perceptioni|}·{U1U2}T其中,load表示无人节点的负载能力,|perception|表示无人节点感知能力的个数,U1表示负载能力的权重,...

【专利技术属性】
技术研发人员:杨刚袁艺文周兴社姚远张东妮何晓丽翟开利寇凯王飞龙
申请(专利权)人:西北工业大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 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。

1