多无人机协同目标分配方法组成比例

本发明专利技术公开了多无人机协同目标分配方法，通过仿真环境预处理，设置近似聚类双策略差分进化算法的基本参数，初始化种群，计算父代个体的适应度值，父代种群个体分类，选择变异策略，交叉算子，在算子中选择更好的个体进入下一代，结合代间变异率与归档技术替代代间变异随机重置，计算最优的适应度值，并计算UAVs与目标点的对应关系。解决了目前进化过程中存在的探索性和开发性平衡的问题，保证了收敛个体不会随着迭代次数消亡。最后扩展约束条件，增加了UAVs的载弹量约束，限制UAVs可执行的目标个数。能有效快速地解决多无人机协同目标分配问题，且协同能力强。

Multi-UAV Cooperative Target Assignment Method

【技术实现步骤摘要】
多无人机协同目标分配方法
本专利技术涉及无人机协同控制技术，特别涉及一种类似新的近似聚类双策略差分进化算法的多无人机协同目标分配方法。
技术介绍
多无人机协同目标分配问题是指在复杂任务环境中，为无人机编队分配一个或一组有序任务，即对有限的UAV资源进行合理的分配，同时编队整体效率达到最优。多机协同目标分配问题具有协同性较高、计算难度大、复杂度高等特点。在目标分配过程中，既要考虑飞行器的性能差异、战场势态的复杂性、任务执行权重等因素；还需要考虑可行的飞行代价、合理的分配算法及各种协同约束条件。多无人机协同算法通常分成三类：(1)基于数学规划法的协同目标分配：数学规划法是解决集中式分配问题的经典方法。例如：柳毅等人提出了基于匈牙利算法的多目标分配处理方法,JonathanP.How等人提出了混合数学线性规划(MILP)研究协同任务分配；这两种方法在处理维数较低的分配情况时，方法简单灵活，求解速度较快；但在处理维数较高的情况时，求解的难度呈指数级增长，因此很难找到最优解；而且该方法要求已知研究对象所有的信息，将复杂作战环境信息过度简化，因此仅适合低维的简单任务环境问题求解。(2)基于协商法本文档来自技高网...

【技术保护点】
1.多无人机协同目标分配方法，其步骤如下：1)仿真环境预处理：确定地形数据，确定无人机、目标点及雷达的具体参数，并显示在一张仿真图中；2)设置近似聚类双策略差分进化算法的基本参数：种群规模NP，解空间维度D；3)初始化种群：在解空间中随机均匀生成NP个个体，对多模型进行统一的基因编码，构建目标函数以及合理的约束条件；4)计算父代个体的适应度值：根据适应度函数f(x)及约束函数，建立UAVs与目标点之间的估计航程代价库，构建父代个体适应值库；5)父代种群个体分类：根据Speciation算法对父代个体适应度进行分类，分成探索性个体及开发性个体；6)选择变异策略：根据父代个体不同性质选择合适自己的...

【技术特征摘要】
1.多无人机协同目标分配方法，其步骤如下：1)仿真环境预处理：确定地形数据，确定无人机、目标点及雷达的具体参数，并显示在一张仿真图中；2)设置近似聚类双策略差分进化算法的基本参数：种群规模NP，解空间维度D；3)初始化种群：在解空间中随机均匀生成NP个个体，对多模型进行统一的基因编码，构建目标函数以及合理的约束条件；4)计算父代个体的适应度值：根据适应度函数f(x)及约束函数，建立UAVs与目标点之间的估计航程代价库，构建父代个体适应值库；5)父代种群个体分类：根据Speciation算法对父代个体适应度进行分类，分成探索性个体及开发性个体；6)选择变异策略：根据父代个体不同性质选择合适自己的变异策略；7)交叉算子：在变异之后，DE通常执行二项式交叉操作，交叉算子是由交叉率CR决定，从原始向量xj,i(g)和变异向量vj,i(g+1)进行部分信息交换以形成新的实验向量uj,i(g+1)，xj,i(g)表示第g代第j个个体的第i个基因，vj,i(g+1)表示第g+1代第j个个体的第i个基因，uj,i(g+1)表示第g+1代第j个个体的第i个基因；8)选择算子：DE采用贪婪算法选择进入下一代种群的个体，该算子从实验向量uj,i(g+1)和原始向量xj,i(g)中选择更好的个体进入下一代...

【专利技术属性】
技术研发人员：李军华，黄刚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36