一种基于量子鸟群演化机制的无人机资源分配方法组成比例

一种基于量子鸟群演化机制的无人机资源分配方法，属于无人机自主控制领域。本发明专利技术方法的步骤为：建立无人机资源分配模型；确定无人机执行任务的种类，初始化量子鸟群；根据适应度函数进行适应度计算，并确定群体的全局最佳位置；通过量子旋转门和量子非门更新量子位置并测量；根据适应度函数进行适应度计算；更新每只量子鸟的局部最佳位置和整个群体的全局最佳位置；判断是否达到最大迭代次数，若达到则输出群体全局最佳位置，并映射为任务资源矩阵。本发明专利技术充分考虑到无人机执行不同任务时对资源的需要不同，以较少的时间代价获取资源配置比最优的无人机资源分配方案，同时满足无人机性能要求，得到更加合理的无人机资源分配方案。

A Resource Allocation Method for UAV Based on Quantum Bird Swarm Evolution Mechanism

A resource allocation method for UAV based on quantum bird swarm evolution mechanism belongs to the field of autonomous control of UAV. The steps of the method of the invention are as follows: establishing the resource allocation model of UAV; determining the types of UAV missions and initializing the quantum bird flock; calculating the fitness according to the fitness function and determining the global optimal position of the group; updating the quantum position and measuring through the quantum rotary gate and the quantum non-gate; calculating the fitness according to the fitness function; updating the fitness of each quantum bird; The local optimal position and the global optimal position of the whole group are determined, and the maximum number of iterations is determined. If it is reached, the global optimal position of the output group is mapped to the task resource matrix. The invention fully takes into account the different resource requirements of UAV when performing different tasks, obtains the optimal UAV resource allocation scheme with less time cost, and satisfies the performance requirements of UAV, and obtains a more reasonable UAV resource allocation scheme.

【技术实现步骤摘要】
一种基于量子鸟群演化机制的无人机资源分配方法
本专利技术属于无人机自主控制领域，具体涉及一种基于量子鸟群演化机制的无人机资源分配方法。
技术介绍
无人机是指无需飞行员直接驾驶，可以通过远程遥控飞行或者在预定的程序下进行自主飞行的飞行器。无人机具有成本低、经济性好、留空时间长、能够在恶劣环境下执行任务且能避免不必要的人员伤亡等特点，在电网巡检、农药喷洒、森林保护、搜索与救援、航拍等许多民用方面以及目标侦查、跟踪、军师打击等军事领域有着广泛的应用。并且已经在过去的多次战场、战争中发挥了重要的作用，因此越来越受到人们的重视。资源分配是无人机任务分配系统的一项关键技术，是实现无人机集群作战的保障，资源分配是指对无人机进行任务、武器和目标的分配，无人机能完成自身任务的同时达到整体效能最优。根据已有的技术文献发现，根据已有的技术文献发现，邸斌等在《北京航空航天大学学报》(2013，Vol.39，No.3，pp.325-329)上发表的“基于概率群集的多无人机协同任务和资源分配”中建立了多无人机协同任务和资源分配问题数学模型。开发了基于概率群集框架的协同任务和资源分配分布式优化求解算法，并采用启发本文档来自技高网...

【技术保护点】
1.一种基于量子鸟群演化机制的无人机资源分配方法，其特征在于，包括以下步骤：(1)建立无人机的资源分配模型，假设有M种型号无人机拥有K种武器执行N个目标的任务；(2)根据执行任务的种类确定v的值，初始化量子鸟群；(3)根据适应度函数对每只量子鸟的位置进行适应度计算，计算出的适应度函数最大对应的量子鸟的位置即为至今为止整个群体的全局最佳位置为

【技术特征摘要】
1.一种基于量子鸟群演化机制的无人机资源分配方法，其特征在于，包括以下步骤：(1)建立无人机的资源分配模型，假设有M种型号无人机拥有K种武器执行N个目标的任务；(2)根据执行任务的种类确定v的值，初始化量子鸟群；(3)根据适应度函数对每只量子鸟的位置进行适应度计算，计算出的适应度函数最大对应的量子鸟的位置即为至今为止整个群体的全局最佳位置为(4)更新每只量子鸟的量子旋转角和量子位置，然后对每只鸟的量子位置测量得到更新后的位置；(5)对每只量子鸟更新后的位置根据适应度函数进行适应度计算；(6)确定每只量子鸟的自身局部最佳位置和群体全局最佳位置；(7)判断是否达到最大迭代次数，如果达到最大迭代次数，则迭代终止，执行步骤(8)；否则，令l＝l+1，返回步骤(4)继续执行；(8)输出量子鸟群群体的全局最佳位置，映射为该资源分配矩阵。2.根据权利要求1所述的一种基于量子鸟群演化机制的无人机资源分配方法，其特征在于，所述步骤(1)中建立无人机的资源分配模型具体包括：假定有M种型号的无人机执行N个目标上的任务，第m种型号无人机的价值为Vm，第n个目标的价值为并且携带K种武器，则将无人机资源分配的模型表示为：确定满足t∈{0,1,...,N}，u∈{0,1,...,M}，wk∈{0,1},k＝1,2,...,K，其中t表示目标编号；u表示无人机编号，wk＝1代表使用武器k，wk＝0代表不使用武器k，其中k＝1,2,...,K；按照无人机的型号和武器种类将所有无人机分成S种伪无人机S＝M×K，无人机的资源分配矩阵由资源分配矩阵A＝{as,n|as,n∈{0,1}}S×N表示，其中s＝1,2,...,S；n＝1,2,...,N；将无人机的任务分为三类：侦查任务、攻击任务和毁伤评估任务，其中侦查任务和毁伤评估任务统称为评估任务；设伪无人机s与目标n的匹配度为Ps,n，Bs,n为伪无人机s对目标n攻击后的生存概率，Qs,n伪无人机s攻击目标n时目标n被击毁的概率；无人机资源分配模型由资源分配的效能来表示，其中两种任务的价值函数表示为如下：1)评估任务：无人机评估任务的价值函数为其中代表造成敌方的损失期望，式中W1为敌方损失价值期望的权重；2)攻击任务：无人机攻击任务的价值函数为：其中代表造成敌方的损失期望与我方损失期望之差，式中W2为我方损失期望权重；同时，在进行资源分配时应满足如下条件：a.任务执行约束，即每个目标上的每项任务只能被无人机执行一次，即对任意t∈{1,2,...,N}成立；b.一种型号的无人机只对一个目标执行任务，即对任意s∈{1,2,...,S}；c.每个无人机所使用不同类型的武器数量不应超过无人机所携带的数量，即其中Rs,k为伪无人机s拥有k型武器的数量，为拥有武器k的总数量；令量子鸟群的规模为H，问题的维数为D＝S×N，按s递增n递增的方式排列无人机资源分配矩阵为A＝{as,n|as,n∈{0,1}}S×N中的元素，其中s＝1,2,...,S；n＝1,2,...,N，用对应记录无人机任务分配矩阵A中的元素，其中l为迭代次数，D是该向量的最大维度，i＝1,2,...,H；两种资源分配的目标函数统一表达为其中v∈{CF,KL}，在评估任务中，考虑无人机不需要对目标造成伤害，为了节省资源，无人机不需要任何武器，约束为每个目标上的每项任务只能被无人机执行一次且一种型号的无人机只执行一项任务，则其价值函数表示为：惩罚函数表示为其中函数当括号中两变量相等时返回0，不相等时返回1；在攻击任务中，主要考虑武器的使用情况，伪无人机使用武器k的数量不能超过拥有武器k的总量，即此时的价值函数表示为：惩罚函数表示为3.根据权利要求1所述的一种基于量子鸟群演化机制的无人机资源分配方法，其特征在于，所述步骤(2)具体包括：将第l代第i只量子鸟的量子位置记为为第i只量子鸟第d个量子位，为第i只量子鸟第d个主量子位，为为第i只量子鸟第d个副量子位，i＝1,2,...,H，对所有的d＝1...

【专利技术属性】
技术研发人员：高洪元，苏雪，杜亚男，刁鸣，谢婉婷，付文宇，孙贺麟，池鹏飞，张晓桐，刘子奇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23