本发明专利技术公开的一种基于改进狼群算法的无人机任务分配方法，建立无人机任务分配模型，对狼群算法进行改进，通过调整自适应步长和采用基于饥饿值的狼群更新策略，求出最优任务分配方案。改进后的算法将原有狼群算法中探狼的漫无目的搜索，改进为具有引导信息的有目的搜索，简化了寻优过程，加快了寻优效率。应用于无人机协同任务分配中将具有较好的收敛性、快速性和全局搜索能力，适用于不同规模的任务分配等组合优化问题。等组合优化问题。等组合优化问题。
【技术实现步骤摘要】
基于改进狼群算法的无人机任务分配方法
[0001]本专利技术涉及无人机智能决策
，特别是涉及基于改进狼群算法的无人机任务分配方法。
技术介绍
[0002]近年来，无人机以其成本低、人员零伤亡、反应灵活等优势逐渐在战场上发挥了越来越重要的作用。作为多无人机协同的典型作战样式之一，无人机协同作战将成为改变战场游戏规则的颠覆性力量并受到了国内外广大学者的关注与研究，其中，任务分配无人机协同作战的关键问题之一，是实现无人机自主控制的重要阶段，旨在让有限的作战资源发挥最大的作战效能。由于无人机协同作战环境的复杂性和时间的紧迫性，任务分配问题涉及诸多制约因素，需在综合考虑无人机作战性能和战场环境的基础上，在合理的可用时间内获得任务分配的详细计划，为指控活动提供决策依据。
[0003]在自然界中存在许多群居性的动物，其中狼就是一个具有代表性的种群群体。在狼群社会中，每一只狼都有各自的分工，既可以独立承担自身的工作内容，又可以群体中其他狼进行团队协作，从而促使整个狼群不断向前的发展。在狼群种群中，根据每只狼工作性质的不同可以分为头狼、探狼和猛狼三种。狼群算法WPA采用了基于人工狼主体的自下而上的设计方法和基于职责分工的协作式搜索路径结构，狼群中每只狼可以敏感的捕捉到猎物的气味、对周围环境信息进行搜索，并且将搜索到的环境信息和猎物信息与其他个体狼进行信息的交换共享，最后可以基于自身的基本职能做出智能化的决策，从而完成捕猎。
[0004]针对这些问题，本专利技术对智能体算法中的狼群算法进行优化，以用于无人机任务分配问题的求解中。
技术实现思路
[0005]本专利技术要解决的问题是，由于基本狼群算法容易造成算法陷入局部最优位置无法跳出、寻优效率变差等缺点，导致无人机任务分配问题求解效率较低、分配方案不佳的问题，因此，本专利技术提供了一种基于改进狼群算法的无人机任务分配方法，可以有效避免上述问题。
[0006]本专利技术的一种基于改进狼群算法的无人机任务分配方法，具体包括如下步骤：
[0007]步骤1、结合实际战场环境、无人机自身参数及类别作为约束条件，建立无人机任务分配的目标函数；
[0008]所述约束条件具体包括飞行距离约束、飞行时间约束和无人机功能约束。
[0009]建立的无人机任务分配的目标函数是：
[0010]F(x)＝w1α1C
d
+w2α2C
t
+w3α3C
threat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0011]其中，C
d
表示航程代价、C
t
表示总时间代价，C
threat
表示威胁代价，w1、w2、w3为各项代价的权值系数，其中，w1+w2+w3＝1，且w1、w2、w3的取值范围均为[0,1]。α1、α2和α3是各项代价的比例因子：
[0012]进行无人机任务分配以保证完成任务时所有无人机执行任务的总代价最小；也即无人机任务分配的目标函数值最小。
[0013]步骤2、根据无人机数量U和目标数量T确定人工狼编码长度L，将人工狼长度设置为我方无人机数量L＝U，根据步骤1中的约束条件，建立无人机任务分配问题模型；
[0014]步骤3、对狼群算法进行改进，通过调整自适应步长和采用基于饥饿值的狼群更新策略，迭代得到最优头狼位置，即最优解；
[0015]所述自适应步长表示为：
[0016]step＝rand
·
norm(x(i,:)
‑
X
lead
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0017]公式(12)中rand代表[0,1]间的随机数，x(i,:)表示除头狼之外的第i只人工狼的位置，X
lead
表示头狼当前的位置。
[0018]步骤4、根据最优解进行无人机任务分配。
[0019]进一步的，步骤3中，对狼群算法进行改进，通过调整自适应步长和采用基于饥饿值的狼群更新策略，求出最优任务分配方案，具体包括如下步骤：
[0020]步骤3.1依据目标函数值的大小角逐出人工头狼。
[0021]步骤3.2，除头狼之外目标函数值最佳的R匹人工狼视为探狼，R的取值为[N/(2β),N/β]之间的随机整数，N为人工狼的总数，β示狼群的整体更新比例因子。探狼i获得的目标函数值为Y
i
，若Y
i
<Y
lead
，则探狼向h个方向分别前进一步记录每前进一步后的目标函数数值，那么向第p(p＝1,2,...,h)个方向前进后探狼i在d维空间中所处的位置为；
[0022][0023]其中表示在d维空间中探狼的游走步长；重复本步骤的游走行为直到探狼的目标函数值Y
i
>Y
lead
，或游走次数T超过限制T
max
。
[0024]步骤3.3，在除了头狼之外的狼群中随机选取猛狼进行召唤，在改进自适应步长后的召唤行为中，第j只猛狼经历第k+1次迭代时，在第d维空间中所处位置可表示为：
[0025][0026]其中表示在d维空间中猛狼召唤步长；表示第k代头狼的位置。
[0027]设猛狼j的目标函数值为Y
j
，若Y
j
>Y
lead
，则令Y
lead
＝Y
i
，猛狼j成为头狼；若Y
j
<Y
lead
，则猛狼j继续奔袭，直到与头狼间的距离d
is
小于判定距离d
near
时，转入围攻行为，进入步骤3.4；其中，d
near
＝[m/ω]，ω为距离判定因子，为向上取整，m为猛狼数量。
[0028]步骤3.4，猛狼和探狼协同合作对搜索到猎物的发起围攻行为并将其捕获，当狼群进行k次迭代之后，猎物在第d维空间所处的位置为改进自适应步长之后，则可将狼群的围攻行为表示如下：
[0029][0030]其中，表示在d维空间中的围攻步长
[0031]步骤3.5，基于饥饿值的狼群更新
[0032]狼群进行初始化时，给每只狼赋予饥饿值，第i只狼的饥饿值为：
[0033]S
i
＝l
·
β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0034]其中，F为食物数量，N为定值，β为正整数；
[0035]狼群进食量可表示为：
[0036][0037]式中，σ为的随机数，σ取值的变化会影响狼群淘汰的数量和速度。
[0038]表示剩下的食物量。
[0039]在进行行动过程中，每只狼会消耗自己的能量，每迭代一次狼的饥饿量都减少l本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于改进狼群算法的无人机任务分配方法，其特征在于，具体包括如下步骤：步骤1、结合实际战场环境、无人机自身参数及类别作为约束条件，建立无人机任务分配的目标函数；步骤2、根据无人机数量U和目标数量T确定人工狼编码长度L，将人工狼长度设置为无人机数量L＝U，根据步骤1中的约束条件，建立无人机任务分配问题模型；步骤3、对狼群算法进行改进，通过调整自适应步长和采用基于饥饿值的狼群更新策略，迭代得到最优头狼位置，即最优解；步骤4、根据最优解进行无人机任务分配。2.根据权利要求1所述基于改进狼群算法的无人机任务分配方法，其特征在于，步骤1中，约束条件具体包括飞行距离约束、飞行时间约束和无人机功能约束。3.根据权利要求1所述基于改进狼群算法的无人机任务分配方法，其特征在于，步骤1中，无人机任务分配的目标函数是：F(x)＝w1α1C
d
+w2α2C
t
+w3α3C
threat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，C
d
表示航程代价、C
t
表示总时间代价，C
threat
表示威胁代价，w1、w2、w3为各项代价的权值系数，其中，w1+w2+w3＝1，且w1、w2、w3的取值范围均为[0,1]；α1、α2和α3是各项代价的比例因子。4.根据权利要求1所述基于改进狼群算法的无人机任务分配方法，其特征在于，步骤3中，自适应步长表示为：step＝rand
·
norm(x(i,:)
‑
X
lead
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)公式(12)中rand代表[0,1]间的随机数，x(i,:)表示除头狼之外的第i只人工狼的位置，X
lead
表示头狼当前的位置。5.根据权利要求1所述基于改进狼群算法的无人机任务分配方法，其特征在于，步骤3中，对狼群算法进行改进，通过调整自适应步长和采用基于饥饿值的狼群更新策略，求出最优任务分配方案，具体包括如下步骤：步骤3.1依据目标函数值的大小角逐出人工头狼；步骤3.2，除头狼之外目标函数值最佳的R匹人工狼视为探狼，R的取值为[N/(2β),N/β]之间的随机整数，N为人工狼的总数，β示狼群的整体更新比例因子；探狼i获得的目标函数值为Y
i
，若Y
i...
【专利技术属性】
技术研发人员：叶辛宁，雷仲魁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。