【技术实现步骤摘要】
不确定环境下基于区间直觉模糊信息的多无人机任务分配方法
本专利技术属于无人机防空决策领域，特别是不确定环境下基于区间直觉模糊信息的多无人机任务分配方法。
技术介绍
未来一代的无人机将面临更复杂多样的战场环境和挑战，多个无人机协作完成战场任务将会是必然趋势。任务分配是无人机编队相互合作的基础，是作战指挥系统的关键部分，其目标是在考虑各种约束条件的前提下，以任务的总体效能最优或次优为目标，合理地将具体行动任务分配给无人机编队。随着当前飞机性能的不断提高和战场环境干扰因素的增加，实际战场中存在的测量偏差和武器性能指标不稳定等问题，对任务分配方案的实际使用提出了挑战，分配问题常常面临收获信息不确定的问题。近年来，针对当前常见的任务分配方法大多数以信息准确为前提的情况，不确定环境下的无人机任务分配研究也逐渐受到关注。通常不确定环境下多无人机任务分配包括建模和算法优化两个方面。在建模方面，2012年，杜继永等人提出多UCAV协同任务分配模型及粒子群算法求解方法，分析了影响任务分配的关键指标，建立了针对攻击任务的模型，但不能解决信息来源不确定的问题。在不确定环境的研究上，201...
【技术保护点】
1.不确定环境下基于区间直觉模糊信息的多无人机任务分配方法，包括以下步骤：第一步，将无人机任务分配中的不确定信息用区间直觉模糊数表示，构建不确定环境下的多无人机任务分配的数学模型。第二步，利用整数排列建立无人机‑任务分配对，并将其用矩阵形式表示，得到初始化分配方案，产生相应的目标个体；给定算法初始参数，包括缩放因子、交叉率、种群规模、迭代次数和分配方案。第三步，对目标个体执行改进后的差分变异操作得到变异个体。第四步，对目标个体与变异个体执行改进后的交叉操作得到交叉个体。第五步，将交叉个体与目标个体对应的分配方案分别代入适应度函数，得到适应度值。第六步，利用基于TOPSIS和...
【技术特征摘要】
1.不确定环境下基于区间直觉模糊信息的多无人机任务分配方法，包括以下步骤：第一步，将无人机任务分配中的不确定信息用区间直觉模糊数表示，构建不确定环境下的多无人机任务分配的数学模型。第二步，利用整数排列建立无人机-任务分配对，并将其用矩阵形式表示，得到初始化分配方案，产生相应的目标个体；给定算法初始参数，包括缩放因子、交叉率、种群规模、迭代次数和分配方案。第三步，对目标个体执行改进后的差分变异操作得到变异个体。第四步，对目标个体与变异个体执行改进后的交叉操作得到交叉个体。第五步，将交叉个体与目标个体对应的分配方案分别代入适应度函数，得到适应度值。第六步，利用基于TOPSIS和曼哈顿距离的改进区间直觉模糊数排序方法，比较得到最优的多无人机任务分配矩阵。第七步，判断是否达到迭代次数，如果达到，则输出最优解，即多无人机任务分配方案，否则转到第三步，继续执行下一轮算法迭代过程。2.如权利要求1所述的不确定环境下基于区间直觉模糊信息的多无人机任务分配方法，其特征在于，所述第一步中将无人机任务分配中的不确定信息用区间直觉模糊数表示，构建不确定环境的多无人机任务分配的数学模型，具体为：式(1)中，f表示适应度函数，λ1、λ2、λ2、λ4为权重系数，且λ1+λ2+λ3+λ4＝1；C1、C2、C3、G分别表示威胁代价、距离代价、火力代价和收益指标；分别表示威胁代价、距离代价、火力代价和收益指标的区间直觉模糊数；N为无人机个数，M为任务个数。式(2)中xij为决策变量，当xij＝1时表示UCAV执行目标任务j，当xij＝0时表示UCAVi没有执行目标任务j；I＝{1，2，...，N}为N个无人机的下标集，J＝{1，2，...，M}为M个任务的下标集。式(3)表示每架无人机的任务最大执行能力约束，Li为无人机任务载荷。式(4)约束每项任务只能由一个无人机执行一次。式(5)表示编队完成任务数量约束，其中Nmin为任务个数M与所有无人机任务载荷累加中较小的值。1)威胁代价C1的区间直觉模糊值首先，利用C1＝PKij·Vi计算单架无人机i执行任务j时的威胁代价值C1，这里PKij为无人机...
【专利技术属性】
技术研发人员：丁勇，麻诗雪，李世豪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32
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。