【技术实现步骤摘要】
基于改进蚁群算法的多无人机任务分配方法
本专利技术属于多无人机任务分配
，涉及一种基于改进蚁群算法的多无人机任务分配方法。
技术介绍
近年来,多机协同控制已经成为无人机领域一个研究热点,而任务分配是多无人机协同控制的保障和基础。任务分配是根据既定的目标把需要完成的任务合理地分派给系统中的组员，达到高效率执行任务、优化无人机系统的目的。多无人机协同任务分配即是根据一组特定条件的约束，以实现某个准则函数的最优或次优为目标，将某项作战任务分解成一些子任务并分配给多无人机系统中的各个无人机分别去完成的过程。目标是在考虑各种诸如任务执行顺序、时间、无人机自身物理条件等约束条件的前提下，以总体任务效率最优或次优为目标，离线地或实时地将具体目标和行动任务分配给各机。通常多无人机任务分配可以分成两大部分：上层的任务分配和下层的路径规划。任务分配考虑各种约束条件，以总体任务有效达成为目标，将具体目标和行动任务分配给各机，而各机根据分配的任务再进行具体的作战路径规划。而路径规划的功能是在满足如最大线性速度、最大转角速度、操作的安全性、时间...
【技术保护点】
1.一种基于改进蚁群算法的多无人机任务分配方法，对蚁群算法进行改进，表示无人机的蚂蚁在运动过程中，运动转移的方向由各条无人机飞行路径上的信息素浓度决定；在任务分配搜索过程中，表示无人机的蚂蚁智能选择下一步所要走的路径；通过比较采用蚁群算法计算得到的路径距离与直接计算两点之间直线距离的大小，选择较短的距离作为无人机寻找目标的最优路径，同时采用梯度下降方法进行优化以缩短无人机飞行的距离，适用于多无人机的任务分配，实现无人机快速完成任务并减少飞行距离；包括以下步骤：/n1)获取任务区域的大小、参与多无人机任务分配的无人机数量、需要搜寻到的目标个数、无人机和目标的初始位置、无人机的...
【技术特征摘要】
1.一种基于改进蚁群算法的多无人机任务分配方法，对蚁群算法进行改进，表示无人机的蚂蚁在运动过程中，运动转移的方向由各条无人机飞行路径上的信息素浓度决定；在任务分配搜索过程中，表示无人机的蚂蚁智能选择下一步所要走的路径；通过比较采用蚁群算法计算得到的路径距离与直接计算两点之间直线距离的大小，选择较短的距离作为无人机寻找目标的最优路径，同时采用梯度下降方法进行优化以缩短无人机飞行的距离，适用于多无人机的任务分配，实现无人机快速完成任务并减少飞行距离；包括以下步骤：
1)获取任务区域的大小、参与多无人机任务分配的无人机数量、需要搜寻到的目标个数、无人机和目标的初始位置、无人机的速度；改进蚁群算法中的蚂蚁表示每架无人机；设置参与改进蚁群算法的蚁群数量即无人机数量以及算法的迭代次数；
2)创建无人机信息素矩阵并进行初始化；
采用信息素表示无人机路径是否飞过某节点，信息素取值为0表示无人机路径没有飞过该节点，信息素取值为1表示无人机路径飞过该节点；
设置以无人机数量为行数，目标节点数量为列数的矩阵作为信息素矩阵，矩阵中的每个元素为信息素；
设置两个信息素矩阵，分别用于存储改进蚁群算法每次迭代中找到的最佳任务分配结果和任务结束后最终的分配结果；
初始化信息素矩阵中所有的信息素元素为1；
3)设置需完成的无人机任务总量；
4)根据信息素矩阵分配无人机；
开始时进行随机分配；当信息素小于1时，根据信息素矩阵进行分配；否则进行随机分配；当一架无人机接近它的最大工作容量时，则停止对该无人机分配任务；
5)更新信息素矩阵；
路径(i,j)表示路径上第i个节点与第j个节点之间的连线；在t+n时刻，通过式1、式2更新路径(i,j)上的信息素：
τij(t+n)＝(1-ρ)×τij(t)+Δτij(t)(式1)
其中，t为当前时刻；n＝1,2，……n；τij为路径(i,j)的信息素；常数ρ∈(0,1)表示信息素挥发因子，即路径上信息量的损耗程度，ρ的大小与算法的全局搜索能力和收敛速度相关；1-ρ为信息素残留因子；Δτij表示路径(i，j)的信息素增量；m表示无人机总数量，表示寻找结束后路径(i，j)的信息素增量，其中k为第k架无人机；在初始时刻Δτij(0)＝0；tn表示最终时刻，表...
【专利技术属性】
技术研发人员：谭励，史佳琦，连晓峰，吕芯悦，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11
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。