一种基于遗传算法的无人机群防御部署方法技术

一种基于遗传算法的无人机群防御部署方法，包括将我方无人机分为非武装民用机和有武装力量的防御机，并确定采用二进制层级编码方式对我方无人机编队进行编码。对完成编码后的无人机编队，添加用于确定防御机对应序号的二进制编码序列。建立适应度函数时，通过遗传算法进行筛选，使得两个指标值尽量小，从而确定出最优编队。至此完成了对无人机群的防御部署。本发明专利技术建立了一种用于保护我方民用机的最优编队队形，通过减小我方防御机拦截弹的飞行距离相对敌机导弹飞行距离的大小，以及导弹被拦截后产生的爆炸对我方民用机的伤害，确定了不同敌机编队情况下我方无人机的最佳队形，并使用遗传算法加速对最优编队的寻找，从而保证了我方民用机的安全。

A method of UAV group defense deployment based on genetic algorithm

【技术实现步骤摘要】
一种基于遗传算法的无人机群防御部署方法
本专利技术是一种基于遗传算法的无人机群防御部署方法。具体说是一种在我国非武装无人机进行科研任务的过程中，用于确定保护我方非武装无人机免受其他武装无人机干扰的防御队形的新型算法，属于多智能体控制的

技术介绍
多智能体是指由多个单智能体按照一定的规则相互协调作用而完成某一个目标。智能体可以是一种实体，例如机器人、车辆等等。智能体可以借助传感器来感知外界环境变化，并通过效应器对环境产生作用。在一定的环境中，一个理性智能体的行为与运动需要收到以下两点的制约：(1)智能体必须在有理由的情况下才能改变自身现有意图。(2)智能体不能够在自己的意图不切合实际情况或者不重要的情况下无视环境变化而坚持自己现有的意图。多智能体系统提出的意义在于，单个智能体的能力以及能够获取的资源有限，无法完成较为复杂的任务，同时在智能体之间又存在一定的相关性，因此多个智能体之间需要进行协同工作。在多智能体问题中，多无人机协同控制是一个重要的问题。由于无人机技术的日益成熟，其研究的焦点已经从研发制造转变为如何加以运用。单一的无人机可以看作是一个单智能体，而由前文内容可知，单一的无人机具有执行任务能力有限，风险概率较大的缺点。为了能够更好的发挥无人机的作用，弥补单一无人机所出现的各种问题，多无人机协同编队飞行的概念被提出。多无人机协同执行任务具有搜索能力强，覆盖范围大，任务成功率较高等优点，是近几年来的一个研究热点。目前对于空战编队的研究多限于两方空战编队进行直接对抗的问题，而在实际情况中，多智能体机群编队可能面临的不一定为这种情况，因此有必要对这种方法的应用范围进行扩大。
技术实现思路
鉴于上述问题，本专利技术提供了一种基于遗传算法的无人机群防御部署方法，包括如下步骤，步骤1：确定敌机编队规模及我方编队规模，并将我方无人机划分为防御机与民用机两种类；步骤2：规定4种基本四机编队队形：墙型队形、四指队形、截面队形和四机跟随队形，针对每一种基本编队队形对应一个二位二进制编码，采取层级编码方式对无人机编队进行编码；并根据防御性无人机的数量确定编码长度；步骤3：确定遗传算法适应度函数，同时对每架民用机的总适应度值处理为均衡系数以实现对原先模型的优化；步骤4：初始化遗传算法种群规模、交叉概率、变异概率、最大迭代步数和染色体长度参数，并随机初始化个体编码序列；步骤5：根据初始化得到的个体编码序列计算适应度值，并使用轮盘赌选择法，以适应度值的大小作为选择个体的概率对父代个体进行选择；对于经过选择的种群个体两两配对，并随机确定交叉点进行交叉互换；对交叉后的个体以一定的变异概率随机选择变异点进行变异，最终获得子代种群；步骤6：对获取的子代种群个体进行解码，以父代编队队形为准确定四个子代编队队形的中心点所在位置，并根据每个子代队形对应的基本编队队形中每架飞机的相对位置计算得出每架无人机的位置坐标，根据用于确定防御机序号的编码序列确定出防御机和民用机，完成解码；对解码结果进行适应度值计算，并记录平均适应度值和最优适应度值；步骤7：重复执行步骤5和6，直到达到最大迭代步数后停止计算；步骤8：遗传算法运行结束后，对最终获取的最优个体进行解码和计算适应度，获取最终结果。进一步地，步骤2中所述的层级编码方式具体为把我方无人机以四种基本队形为基本单位，并划分为父队形和子队形；其中，父队形和子队形均为一种基本四机编队队形，并且父队形中的每一架飞机表示一个子队形；进一步地，步骤3中对于一架指定的民用机、指定的敌机和防御机而言，建立适应度函数公式为，α＝(α1+α2)-1。其中，α1为我方拦截弹飞行距离与敌方导弹飞行距离之比，α2为导弹爆炸点对我方民用机损伤程度。本专利技术建立了一种用于保护我方民用机的最优编队队形，通过减小我方防御机拦截弹的飞行距离相对敌机导弹飞行距离的大小，以及导弹被拦截后产生的爆炸对我方民用机的伤害，确定了不同敌机编队情况下我方无人机的最佳队形，并使用遗传算法加速对最优编队的寻找，从而保证了我方民用机的安全。该方案具有求解精度高，考虑全面等优点。在多智能体控制领域以及国防领域具有广泛的应用前景。附图说明图1为本方案的流程示意图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参考图1，本专利技术提供了一种基于遗传算法的无人机群防御部署方法，包括如下步骤：步骤1：确定敌机编队规模及我方编队规模，并将我方无人机划分为防御机与民用机两种类；步骤2：规定4种基本四机编队队形：墙型队形、四指队形、截面队形和四机跟随队形，针对每一种基本编队队形对应一个二位二进制编码，采取层级编码方式对无人机编队进行编码；并根据防御性无人机的数量确定编码长度；层级编码方式具体为把我方无人机以四种基本队形为基本单位，并划分为父队形和子队形；其中，父队形和子队形均为一种基本四机编队队形，并且父队形中的每一架飞机表示一个子队形；步骤3：确定遗传算法适应度函数，同时对每架民用机的总适应度值处理为均衡系数以实现对原先模型的优化；对于一架指定的民用机、指定的敌机和防御机而言，建立适应度函数公式为，α＝(α1+α2)-1；其中，α1为我方拦截弹飞行距离与敌方导弹飞行距离之比，α2为导弹爆炸点对我方民用机损伤程度。步骤4：初始化遗传算法种群规模、交叉概率、变异概率、最大迭代步数和染色体长度参数，并随机初始化个体编码序列；步骤5：根据初始化得到的个体编码序列计算适应度值，并使用轮盘赌选择法，以适应度值的大小作为选择个体的概率对父代个体进行选择；对于经过选择的种群个体两两配对，并随机确定交叉点进行交叉互换；对交叉后的个体以一定的变异概率随机选择变异点进行变异，最终获得子代种群；步骤6：对获取的子代种群个体进行解码，以父代编队队形为准确定四个子代编队队形的中心点所在位置，并根据每个子代队形对应的基本编队队形中每架飞机的相对位置计算得出每架无人机的位置坐标，根据用于确定防御机序号的编码序列确定出防御机和民用机，完成解码；对解码结果进行适应度值计算，并记录平均适应度值和最优适应度值；步骤7：重复执行步骤5和6，直到达到最大迭代步数后停止计算；步骤8：遗传算法运行结束后，对最终获取的最优个体进行解码和计算适应度，获取最终结果。实施例11.确定我方无人机编队规模为16架飞机，其中防御机为10架，民用机为6架。2.规定复杂无人机编队队形均由四种基本编队队形组成，并赋予对应的二位二进制编码，四种队形分别为：墙型队形(00)、四指队形(01)、截面队形(10)和四机跟随队形(11)。采用层级编码的方式对16机无人机编队进行编码，即将16架飞机分为父队形和子队形，两种队形均为一种基本四机编队队形。其中父队形中的每一架飞机都代表一个子队形，即父队形表示4个子队形之间的相对位置关系。因此，需要一串10位的二进制编码序列来确定编队中各个无人机的位置坐标，其中前两位为父队形，后8位为子队形。确定整个编队的队形之后，需要确定部分无人机为防御机，其余为民用机。因此，对16架飞机进行编号。由于二进制码至少需要16位才能表示十进制数字1至16，所以对于每一架防御型本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的无人机群防御部署方法，其特征在于，包括如下步骤：步骤1：根据多种不同敌机编队的作战背景，确定敌机编队规模及我方编队规模，并将我方无人机划分为防御机与民用机两种类；步骤2：规定4种基本四机编队队形：墙型队形、四指队形、截面队形和四机跟随队形，针对每一种基本编队队形对应一个二位二进制编码，采取层级编码方式对我方无人机编队进行编码；并根据防御性无人机的数量确定编码长度；步骤3：确定遗传算法适应度函数，同时对每架民用机的总适应度值处理为均衡系数以实现对原先模型的优化；步骤4：初始化遗传算法种群规模、交叉概率、变异概率、最大迭代步数和染色体长度参数，并随机初始化个体编码序列；步骤5：根据初始化得到的个体编码序列计算适应度值，并使用轮盘赌选择法，以适应度值的大小作为选择个体的概率对父代个体进行选择；对于经过选择的种群个体两两配对，并随机确定交叉点进行交叉互换；对交叉后的个体以变异概率随机选择变异点进行变异，最终获得子代种群；步骤6：对获取的子代种群个体进行解码，以父代编队队形为准确定四个子代编队队形的中心点所在位置，并根据每个子代队形对应的基本编队队形中每架飞机的相对位置计算得出每架无人机的位置坐标，根据用于确定防御机序号的编码序列确定出防御机和民用机，完成解码；对解码结果进行适应度值计算，并记录平均适应度值和最优适应度值；步骤7：重复执行步骤5和6，直到达到最大迭代步数后停止计算；步骤8：遗传算法计算结束后，对最终获取的最优个体进行解码和计算适应度，获取最终结果。...

【技术特征摘要】
1.一种基于遗传算法的无人机群防御部署方法，其特征在于，包括如下步骤：步骤1：根据多种不同敌机编队的作战背景，确定敌机编队规模及我方编队规模，并将我方无人机划分为防御机与民用机两种类；步骤2：规定4种基本四机编队队形：墙型队形、四指队形、截面队形和四机跟随队形，针对每一种基本编队队形对应一个二位二进制编码，采取层级编码方式对我方无人机编队进行编码；并根据防御性无人机的数量确定编码长度；步骤3：确定遗传算法适应度函数，同时对每架民用机的总适应度值处理为均衡系数以实现对原先模型的优化；步骤4：初始化遗传算法种群规模、交叉概率、变异概率、最大迭代步数和染色体长度参数，并随机初始化个体编码序列；步骤5：根据初始化得到的个体编码序列计算适应度值，并使用轮盘赌选择法，以适应度值的大小作为选择个体的概率对父代个体进行选择；对于经过选择的种群个体两两配对，并随机确定交叉点进行交叉互换；对交叉后的个体以变异概率随机选择变异点进行变异，最终获得子代种群；步骤6：对获取的子代种群个体进行解码，以父代编队队形为准确定...

【专利技术属性】
技术研发人员：吴杰宏，陈嘉彤，左剑凯，范纯龙，石祥滨，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁,21