一种多无人机蜂群协同任务动态分配方法组成比例

本发明专利技术公开了一种多无人机蜂群协同任务动态分配方法，包括步骤S1，建立协同任务分配模型；步骤S2，基于选择寻优法对步骤S1的协同任务分配模型进行任务分配策略寻优；以每一任务为中心作一定半径的圆，调整每一任务对所在圆内Agent的选择实现策略寻优，选择机制保证每次迭代都使Multi Agent系统分配策略向更优方向移动，经过有限次迭代，Multi Agent系统将获得最优分配策略。本发明专利技术的选择寻优法以一定范围内的可选无人机为寻优对象，减少了可能解规模，提高了寻优速度。最优选择算法保证了分配策略随迭代过程不断接近最优分配策略。满足快速、动态任务分配的要求，同时特定情况下快速获得次优策略，实现协同任务分配。实现协同任务分配。实现协同任务分配。

【技术实现步骤摘要】
一种多无人机蜂群协同任务动态分配方法


[0001]本专利技术涉及无人机
，具体为一种多无人机蜂群协同任务动态分配方法。

技术介绍

[0002]多蜂群协同任务分配过程中存在要求高、需要考虑的因素多的问题。实际战场环境下，任务进入 系统是独立、随机的，难以预测出现任务的时间、位置、类型等，这给任务分配带来了一系列问题：
[0003]1.实时性：动态任务分配问题中，环境和成员、任务等因素的变化要求采用有效的任务分配方 法，实现快速决策。否则，分配算法耗时太长将导致延误战机。然实际任务分配过程中战场态势瞬息 万变，新任务的出现难以预料，实时应对这些情况对任务分配算法提出了很高的要求。
[0004]2.规模限制：无人机蜂群在未来战争中的应用将是大规模。然无人机和目标数目的增加将使任 务分配算法规模以指数函数速度增长，限制动态任务分配的规模，对求解满意的分配策略带来巨大的 挑战。
[0005]3.协同要求：大规模无人机群目标在于实现多机协同。多机间的协同能体现无人机执行任务的 优势，更好地发挥无人机的性能，提高执行任务的成功率，降低成本。针对协同目前还未提出合适的 评价指标，实现协同仅仅是从分组、执行任务时间顺序、携带武器分组等方面考虑。
[0006]4.混合性：任务分配系统应能管理不同类型成员，这些成员在软件结构、硬件组成等方面都可 不同，完成的任务亦可不同，要求任务分配系统为开放式、可扩展的系统。
[0007]多无人机动态任务分配模型中需考虑的因素有：
[0008]1.威胁：无人机执行任务过程中存在的威胁有已知威胁和未知威胁两种。已知威胁为执行任务 前已确定的地面防空火力、雷达和空中威胁。未知威胁为无人机执行任务过程中的新出现威胁和不可 预见威胁。无人机任务系统须对不同威胁采取对应措施，包括威胁评估、向其余无人机和地面指挥中 心报告威胁及规避威胁或实施攻击等。
[0009]2.障碍：主要指地形障碍，在执行任务前已确定，任务分配时需要规避障碍物，低空突防时给 无人机飞行安全带来新的问题：进入敌方防区后，飞行高度太高将增加受到威胁的概率，飞行太低将 增加安全风险。
[0010]3.己方力量：进行动态任务分配时要考虑己方直升机等，实现全部战斗力量间的协同。
[0011]另外，在蜂群协同任务分配问题中，使系统总收益最大的策略集定义为最优策略。最优策略意味 着全体无人机以最优分配方式执行任务，实现全体无人机协同。最优策略在特殊问题中可通过状态空 间单调性求解，采用线性和非线性规划方法等，但多无人机协同任务分配中多个约束条件相互耦合、 关系复杂，多个变量间无单调性可寻，难以采用上述方法获得最优策略。
[0012]任务分配中由于战场态势变化，没有固定的分配策略可循，每一时刻的决策对系
统总收益都将产 生影响。最优策略一般通过智能寻优算法获得，系统结构优化也有助于获得最优策略。
[0013]系统存在最优策略。由于系统总时间为有限值，状态空间为离散、有限的，无人机和任务数目亦 为有限值，系统可选策略集空间将为有限值。故系统中一定存在某一策略集性能不劣于其余可能解， 这一解即为最优解。
[0014]虽最优策略一定存在，但可能解规模巨大，寻找最优策略极为困难。采用遍历的方法对可能解空 间中的全部可能解进行比较，得到最优解的办法无法满足快速、动态任务分配的要求，同时特定情况 下并不一定要求获得全局最优策略，快速获得次优策略是实现协同任务分配的关键。
[0015]针对现有技术存在的上述不足，提出本专利技术。

技术实现思路

[0016]针对上述问题，本专利技术的目的是提供一种多无人机蜂群协同任务动态分配方法。
[0017]为实现本专利技术的专利技术目的，本专利技术提供的技术方案是：一种多无人机蜂群协同任务动态分配方法， 包括以下步骤：
[0018]步骤S1，建立协同任务分配模型；
[0019]以Multi Agent系统为基础，将每一无人机视为一个Agent，通过赋予Agent自治能力分配和 执行任务；
[0020]协同任务分配模型描述为五重组组成：
[0021]{Time,Task,Agent,Policy_Set,Objective_Function}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(式1)
[0022]其中，Time为时间，Task为任务，Agent为无人机，Policy_Set为策略集，Objcetive_Function 为评价函数；
[0023]步骤S2，基于选择寻优法对步骤S1的协同任务分配模型进行任务分配策略寻优；
[0024]以每一任务为中心作一定半径的圆，调整每一任务对所在圆内Agent的选择实现策略寻优，选 择机制保证每次迭代都使Multi Agent系统分配策略向更优方向移动，经过有限次迭代，Multi Agent 系统将获得最优分配策略。
[0025]其中，
[0026]所述的步骤S2的选择寻优法的任务策略寻优具体为：
[0027]设定Multi Agent系统中存在M个Agent，N个任务；
[0028]步骤S21：以任务T
k
所在位置为圆心，以r
k
为半径作圆；圆的半径选择需满足：每一圆内都有 至少n
min
个Agent以及每一圆的半径大于r
min
。
[0029]步骤S22：生成初始分配策略；
[0030]对Multi Agent系统内每一任务随机选择一个Agent，将此时决策变量表示为D
t
(0)，计算收益 值：
[0031][0032]其中且满足：M＜N时，将有(N
‑
M) 个任务未被分配执行；
[0033]步骤S23：随机选择一个任务将该任务调整为且满足：a
k
≠a
′
k
，将此时分配策略表 示为D
t
(1)；
[0034]步骤S24：策略合理性检查：判断D
t
(1)内是否存在：i,j∈N，若存在，将调整为使D
t
(1)满足：将此时分配策略表示为D
t
(2)，策略收益值为：
[0035][0036]步骤S25：：针对D
t
(2)，对于k、i以外的其余任务依次选择所在圆 内的Agent，并将新调整的策略表示为D
t
(3)，i∈N，使
[0037][0038]满足：v3≥v2；
[0039]步骤S26：更新Multi Agent系统最优策略。将最优策略定义为v
max
。若v
max
＜v3，则v
max
＝v3；
[0040]步骤S27：若v
max
满足Multi Agent系统要求，寻优过程结束，否则，步骤S23。
[0041]本专利技术的有益本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机蜂群协同任务动态分配方法，其特征在于，包括以下步骤：步骤S1，建立协同任务分配模型；以Multi Agent系统为基础，将每一无人机视为一个Agent，通过赋予Agent自治能力分配和执行任务；协同任务分配模型描述为五重组组成：{Time,Task,Agent,Policy_Set,Objective_Function}
ꢀꢀꢀꢀꢀꢀ
(式1)其中，Time为时间，Task为任务，Agent为无人机，Policy_Set为策略集，Objcetive_Function为评价函数；步骤S2，基于选择寻优法对步骤S1的协同任务分配模型进行任务分配策略寻优；以每一任务为中心作一定半径的圆，调整每一任务对所在圆内Agent的选择实现策略寻优，选择机制保证每次迭代都使Multi Agent系统分配策略向更优方向移动，经过有限次迭代，Multi Agent系统将获得最优分配策略。2.根据权利要求1所述的一种多无人机蜂群协同任务动态分配方法，包括以下步骤：所述的步骤S2的选择寻优法的任务策略寻优具体为：设定Multi Agent系统中存在M个Agent，N个任务；步骤S21：以任务T
k
所在位置为圆心，以r
k
为半径作圆；步骤S22：生成初始分配策略；对Multi Agent系统内每一任务随机选择一个Agent，将此时决策变量表示为D
t
(0)，计算收益值：其中且满足...

【专利技术属性】
技术研发人员：郝文龙，李五洲，张文伟，汤鑫，王晓卫，熊伟，李世忠，林世聪，
申请(专利权)人：中国人民解放军陆军航空兵学院，
类型：发明
国别省市：