一种基于差分进化和模拟退火的多任务规划搜索方法技术

本发明专利技术涉及一种基于差分进化和模拟退火的多任务规划搜索方法，属于无人系统智能控制技术领域。本方法首次提出了一种带模拟退火的差分进化算法，根据设计的任务分配和任务排序编码。首先进行差分进化的初始解生成，使用获得的初始解来构建一种任务分配和任务排序协同判断机制，确定执行任务过程中无人机器被分配的任务以及对应的执行顺序，从而获得整体的执行方案。在连续若干次最优解未更新或迭代次数达到上限时，获得最优的任务规划方案。本发明专利技术克服了传统任务规划中依靠人工经验进行任务分配方式容易造成的分配不均衡和非执行任务时间过长的弊端，提高了系统整体工作效率，缩短了任务完成时间。本发明专利技术广泛适用于制造业、运输业、建筑业等领域。建筑业等领域。建筑业等领域。

【技术实现步骤摘要】
一种基于差分进化和模拟退火的多任务规划搜索方法


[0001]本专利技术涉及一种无人机器多任务规划搜索方法，具体涉及一种基于差分进化和模拟退火的无人机器系统多任务规划搜索方法，属于无人系统智能控制


技术介绍

[0002]近年来，在无人机、智能机器人等无人系统领域中，随着系统面临的环境和承担的工作任务越来越复杂，往往需要将复杂的工作任务进行拆分并分配给多个执行任务的主体，从而协作完成整个工作。尤其是当系统完成一些大型、复杂性工作过程中，对工作任务规划有更高的要求。
[0003]以无人机系统为例，在无人机系统工作任务规划中，由于各个无人机的载荷、性能、数量以及任务目标不同，每架无人机可以完成的任务集不同，因此，控制系统面临着复杂的任务分配问题。同时，无人机执行任务的先后顺序也会影响其自身花费在任务间转移的总时间，导致还存在着任务排序问题。
[0004]由此可见，如何根据任务需求来协调分配多个无人机器有限的资源，充分发挥每个无人机器的能力，提高整个系统的工作效能，是无人机器系统多任务控制中亟待解决的技术问题。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差分进化和模拟退火的多任务规划搜索方法，其特征在于，包括以下步骤：步骤1：进行系统初始化编码；首先输入信息，包括任务信息、无人机器信息、任务间距离、需完成的任务总数、无人机器对每个任务能力信息；然后，进行初始化编码；之后，对种群中的每一个个体x都进行解码，并计算出最大完成时间；步骤2：对编码进行解码操作，获得对应的任务分配和任务执行顺序决策，包括以下步骤：步骤2.1：在进行任务分配时，对于任务m
i
，根据下式计算该任务所分配的无人机器：其中，x
i
表示编码的第i个维度，U
i
表示具有完成任务i能力的无人机器集合，SU
i
表示具有完成任务i能力的无人机器的个数，u
i
表示任务i选择的无人机器在U
i
中的序数；步骤2.2：任务排序，即，确定分配给同一个无人机器的任务的执行顺序；在任务排序过程中，定义任意一个无人机器j的待执行任务集M
j
如下：对于任务m
i
，u
i
是任务分配的结果，如果满足则m
i
∈M
j
，其中表示在U
i
中的第u
i
个无人机器；对于一个给定的任务m
i
，其执行优先级p
i
为：p
i
＝x
n+i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，x
n+i
为任务m
i
的执行优先级；在无人机器进行任务排序时，对于无人机器j的待执行任务集M
j
，根据式3获得M
j
中的任务执行优先级，而p
max
为M
j
中的最高优先级，选择满足p
i
＝p
max
的任务执行，同时将该任务从M
j
中删除；重复该过程，直至待执行任务集M
j
为空，此时无人机器j完成了所有被分配的任务；步骤3：进行差分进化和模拟退火局部搜索的迭代过程，包括以下步骤：步骤3.1：通过向量差分的方式表示个体的变异；利用式4、5、6、7、8所描述的5种差分进化变异算子，随机选择这5种变异算子，生成数量为NP的临时个体v
k,g+1
：差分进化变异算子DE/rand/1：v
k,g+1
＝x
r1,g
+F*(x
r2,g
‑
x
r3,g
)
ꢀꢀꢀꢀꢀꢀ
(4)差分进化变异算子DE/rand/2：v
k,g+1
＝x
r1,g
+F*(x
r2,g
‑
x
r3,g
)+F*(x
r4,g
‑
x
r5,g
)
ꢀꢀꢀꢀ
(5)差分进化变异算子DE/best/1：v
k,g+1
＝x
best,g
+F*(x
r1，g
‑
x
r2，g
)
ꢀꢀꢀꢀꢀꢀꢀ
(6)差分进化变异算子DE/best/2：v
k，g+1
＝x
best，g
+F*(x
r1，g
‑
x
r2，g
)+F*(x
r3，g
‑
x
r4，g...

【专利技术属性】
技术研发人员：李冬妮，赵琛，陈一皓，王嘉博，杜凌岩，
申请(专利权)人：北京机电工程研究所西北工业大学，
类型：发明
国别省市：