一种多任务蜂群的协同资源调度算法制造技术

一种多任务蜂群的协同资源调度算法，通过每个子蜂群根据动态需求变化利用计算介数中心性betweenness最大的节点作为决策节点的位置，可以更多的和其他子蜂群进行交互，便于从其他子蜂群申请无人机资源，进行子蜂群间的资源调配，本发明专利技术无需移动自组网协议和过多信令交互，保证了资源调度的实时性。在蜂群执行任务过程中发现资源不足时，能够及时调度其他无人机资源，保障任务的顺利执行。保障任务的顺利执行。保障任务的顺利执行。

【技术实现步骤摘要】
一种多任务蜂群的协同资源调度算法


[0001]本专利技术涉及无人机调度领域，具体是一种多任务蜂群的协同资源调度算法。

技术介绍

[0002]当前无人机蜂群的一个主要应用是执行多任务系统，一个大规模的外出蜂群可以同时执行环境监测、侦查、辅助通信等多项任务，并且可以在很少地面干预下形成协作自治系统。
[0003]MILP模型具有较强的可扩展性，是目前应用较为广泛的一类模型，但此模型适合解决小规模问题；MTS模型将任务分配问题转化为多旅行商问题， 但没有考虑任务的异构性；MVRP模型可以更方便地描述任务的时间相关约束，但未考虑无人机的运动学特性；Shima等提出了针对典型的侦查、打击、评估任务的CMTAP模型，适用于解决无人机执行有次序约束任务的优化问题，但其并未考虑异构无人机携带弹药火力不同对任务分配的影响。
[0004]上述传统单一任务模型利用传统经典建模方法将多无人机任务分配问题抽象化描述，优点在于这些经典模型已经能够被现有算法很好的求解，这样一来所求问题在一定程度上得到了解决；但是这样的求解思路只适用于无人机执行单一任务的情况，而在实际战场环境中往往需要多无人机进行多类型任务，此时再用以上的求解思路将很难适用。
[0005]当前的技术方案主要停留在理论研究和分析层面，其主要缺点有三个：一是为了提高资源的利用率，算法复杂度高，而无人机蜂群系统在飞行过程中的的决策实时性要求很高，如此高的计算复杂度难以在高动态飞行过程中获得利用；二是这些算法多是静态分配算法，在蜂群飞行前做集中式规划，但实际应用中，往往执行某个任务的子蜂群在执行任务中才发现资源预留不足，需要从其他子蜂群调度相应的资源，这种动态的需求现有算法无法解决。
[0006]三是已有方案往往从ad hoc组网角度去研究，把无人机蜂群进行了分簇，并且为了调度资源往往使用簇间路由，而高移动的自组网路由延迟太大，无法满足资源实时调度的需要。

技术实现思路

[0007]本专利技术所要解决的技术问题是提供一种多任务蜂群的协同资源调度算法，可以有效解决上述
技术介绍
中提出的问题。
[0008]为解决上述问题，本专利技术所采取的技术方案是：一种多任务蜂群的协同资源调度算法，包括：S1：起飞前初始化蜂群任务，划分子蜂群并设定蜂群飞行编队模型；S2：无人机在飞行过程中通过控制报文进行信息交换；S3：无人机子蜂群通过介数中心性定义：；
选择资源调配的决策节点；其中：选择资源调配的决策节点；其中：表示经过节点v的表示经过节点v的的最短路径条数，短路径条数，表示表示的最短路径条数；S4：决策节点更新，统计子蜂群的需求并向控制中心发出资源需求计划；S5：控制中心向蜂群广播资源需求；S6：无人机响应需求，发送申请报文给控制中心；S7：决策节点按照响应顺序，选择需要的无人机数量，按照队形编队原则，计算每个节点的新位置，并通知各节点到达新的位置集合；S8：接到通知的节点飞抵新的位置，接受子蜂群下发的任务，开始协同执行新任务。
[0009]作为本专利技术的进一步优选方案，所述S1中子蜂群的数量与任务数量相同。
[0010]作为本专利技术的进一步优选方案，所述S2中无人机交换信息包括坐标和所属任务号，并根据控制中心下发任务号对应的节点位置，形成子蜂群的编队拓扑图和整个蜂群的编队拓扑图。
[0011]作为本专利技术的进一步优选方案，所述S3中定义：作为本专利技术的进一步优选方案，所述S3中定义：来简化算法，即：。
[0012]作为本专利技术的进一步优选方案，引入：作为本专利技术的进一步优选方案，引入：；表示节点s到节点v的最短路径中v的前驱节点的集合；对于表示节点s到节点v的最短路径中v的前驱节点的集合；对于有：；通过BFS算法进行搜索可求出所有的通过BFS算法进行搜索可求出所有的。
[0013]作为本专利技术的进一步优选方案，所述S6响应的无人机满足处于任务空闲状态与资源充足两个需求。
[0014]作为本专利技术的进一步优选方案，所述S8中调配无人机通过MAC协议接入无人机子蜂群。
[0015]与现有技术相比，本专利技术提供了一种多任务蜂群的协同资源调度算法，具备以下有益效果：本专利技术提出了一种在承担不同任务的蜂群间进行资源调度的算法，本专利技术无需移动自组网协议和过多信令交互，保证了资源调度的实时性。在蜂群执行任务过程中发现资源不足时， 能够及时调度其他无人机资源，保障任务的顺利执行。
附图说明
[0016]图1为本专利技术多任务蜂群协同资源调度方法的流程图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0018]参照图1，本专利技术提供一种多任务蜂群的协同资源调度算法，包括：S1：起飞前初始化蜂群任务，划分子蜂群并设定蜂群飞行编队模型；S2：无人机在飞行过程中通过控制报文进行信息交换；S3：无人机子蜂群通过介数中心性定义：；选择资源调配的决策节点；其中：选择资源调配的决策节点；其中：表示经过节点v的表示经过节点v的的最短路径条数，路径条数，表示表示的最短路径条数；S4：决策节点更新，统计子蜂群的需求并向控制中心发出资源需求计划；S5：控制中心向蜂群广播资源需求；S6：无人机响应需求，发送申请报文给控制中心；S7：决策节点按照响应顺序，选择需要的无人机数量，按照队形编队原则，计算每个节点的新位置，并通知各节点到达新的位置集合；S8：接到通知的节点飞抵新的位置，接受子蜂群下发的任务，开始协同执行新任务。
[0019]作为本专利技术的进一步优选方案，所述S1中子蜂群的数量与任务数量相同。
[0020]作为本专利技术的进一步优选方案，所述S2中无人机交换信息包括坐标和所属任务号，并根据控制中心下发任务号对应的节点位置，形成子蜂群的编队拓扑图和整个蜂群的编队拓扑图。
[0021]作为本专利技术的进一步优选方案，所述S3中定义：作为本专利技术的进一步优选方案，所述S3中定义：来简化算法，即：。
[0022]作为本专利技术的进一步优选方案，引入：作为本专利技术的进一步优选方案，引入：；表示节点s到节点v的最短路径中v的前驱节点的集合；对于表示节点s到节点v的最短路径中v的前驱节点的集合；对于有：；通过BFS算法进行搜索可求出所有的通过BFS算法进行搜索可求出所有的。
[0023]作为本专利技术的进一步优选方案，所述S6响应的无人机满足处于任务空闲状态与资源充足两个需求。
[0024]作为本专利技术的进一步优选方案，所述S8中调配无人机通过MAC协议接入无人机子蜂群。
[0025]作为本专利技术的一个具体实施例:在节点w与它的前驱节点v建立关系，可以把通过节点w的最短路径分成两类：通过节点v的路径和不通过节点v的路径，并定义节点v的路径和不通过节点v的路径，并定义；表示s到t最短路径通过节点v和边e的条数。
[0026]所以：；；的通过w的最短路径为的通过w的最短路径为，由于从，由于从经过v，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多任务蜂群的协同资源调度算法，包括如下步骤：S1：起飞前初始化蜂群任务，划分子蜂群并设定蜂群飞行编队模型；S2：无人机在飞行过程中通过控制报文进行信息交换；S3：无人机子蜂群通过介数中心性定义：；选择资源调配的决策节点；其中：选择资源调配的决策节点；其中：表示经过节点v的表示经过节点v的的最短路径条数，数，表示表示的最短路径条数；S4：决策节点更新，统计子蜂群的需求并向控制中心发出资源需求计划；S5：控制中心向蜂群广播资源需求；S6：无人机响应需求，发送申请报文给控制中心；S7：决策节点按照响应顺序，选择需要的无人机数量，按照队形编队原则，计算每个节点的新位置，并通知各节点到达新的位置集合；S8：接到通知的节点飞抵新的位置，接受子蜂群下发的任务，开始协同执行新任务。2.根据权利要求1所述的一种多任务蜂群的协同资源调度算法，其方法在于，所述S1中子蜂群的数量与任务数量相同。3.根据权利要求1所述的一种多任务蜂群的协同...

【专利技术属性】
技术研发人员：刘永广，刘乔辉，
申请(专利权)人：广东轻工职业技术学院，
类型：发明
国别省市：